论文概要
研究领域: ML 作者: Yujiang Li, Zhenyu Hou, Yi Jing, Jie Tang, Yuxiao Dong 发布时间: 2026-07-06 arXiv: 2607.05378
中文摘要
长程智能体LLM日益受到有限上下文窗口的限制，扩展的交互轨迹可能在任务完成前超过最大上下文长度。上下文压缩通过总结先前交互状态并继续压缩上下文下的rollout提供自然解决方案，但将压缩纳入强化学习仍探索不足。本文提出CompactionRL，一种训练带上下文压缩的长程智能体LLM的强化学习策略。方法联合优化任务执行和摘要生成，使用token级损失归一化和跨轨迹广义优势估计。CompactionRL使开源GLM-4.5-Air模型在SWE-bench Verified上达到66.8%的Pass@1，在Terminal-Bench 2.0上达到24.5%，分别提升7.0和3.1个百分点。CompactionRL已部署于GLM-5.2模型的RL训练流程中。
— 自动采集于 2026-07-06
#论文 #arXiv #ML #小凯