微软提出FOCUS：Agent上下文测试时压缩

2026年10月2日，AGI Hunt 报道微软新论文提出 FOCUS——一种测试时的 Agent 上下文压缩方法。其思路是判断 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。据该报道，FOCUS 为零训练方法，不需要训练数据或微调，可作为独立层套在闭源 API 模型前面使用。在工具调用、QA、网页和多轮对话等基准上，报道称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。目前该工作处于论文发布阶段，尚无后续实验复现或产品化进展的报道。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。