热点事件持续更新
提出 SJC 压缩方法提升长程 Agent 可靠性
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 16 日，arXiv cs.CL 收录一篇论文，提出 Source-Judged Compaction（SJC）方法，用于长时程 LLM 智能体的摘要压缩。该方法是一种免训练的后处理步骤：对长时程智能体的摘要条目逐条判定，检查该条目是否有环境输出或上一版摘要作为来源，并删除没有来源的条目。论文报告称，在 AppWorld 与 OfficeBench 两个基准上，SJC 将跨运行可靠性提升 2.1% 至 8.9%，且不增加 token 用量。目前公开信息仅来自该论文本身，未见到后续复现或第三方评测报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月16日 12:00
arXiv 论文提出免训练后处理 SJC，删除无来源摘要条目，跨运行可靠性提升 2.1%-8.9% 且不增 token。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.CL剪摘要而非历史：面向长时程智能体的 Source-Judged Compaction
Source-Judged Compaction（SJC）是一种免训练后处理步骤，逐条判定长时程 LLM 智能体摘要条目是否有环境输出或上一版摘要作为来源，并删除无来源条目，在 AppWorld 与 OfficeBench 上把跨运行可靠性提升 2.1%-8.9%，且不增加 token 用量。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。