微软 FOCUS 论文：测试时压缩 Agent 上下文，峰值砍 48%

微软新论文提出 FOCUS，一种测试时的 Agent 上下文压缩方法：判断 Agent 下一步决策实际依赖哪些历史交互单元，只保留这些、丢弃其余。该方法零训练，无需训练数据或微调，可作为独立层套在闭源 API 模型前面使用。在工具调用、QA、网页和多轮对话基准上，峰值上下文最多降低 48%，任务成功率相比使用完整历史最高提升 8.9 个百分点。