标签
本文介绍了BabelTele，一种压缩写作风格，通过使用缩写、符号和多语言片段将文本长度减少72.1%，同时为LLM保留了99.5%的语义保真度，论证了人类可读性与机器可恢复性是可分离的。
本文介绍了“恒定上下文技能学习”，这是一种将程序性知识从提示词迁移到模型权重中的框架，旨在降低 LLM 智能体的 Token 使用量并提升隐私性。该方法在 ALFWorld 和 WebShop 等基准测试中表现出色，同时显著降低了推理成本。
本文提出经验压缩谱，这是一个统一框架，将agent记忆、技能发现和基于规则的系统沿单一递增压缩轴集成（情景记忆5-20倍，程序性技能50-500倍，声明性规则1000倍以上）。工作识别出一个关键缺口——‘缺失对角线’——表明现有系统在固定压缩级别运行，缺乏自适应跨级别支持，并阐述了可扩展全谱agent学习系统的设计原则。