标签
作者指出，关于astra的抱怨源于其缺乏积累的上下文以生成良好代码，并通过将GacUI的上下文导入新仓库展示了改进。
CLBench-V是一个用于评估多模态上下文学习的基准，涵盖上下文基础、新信息应用和新知识学习。最佳模型仅达到0.2847，表明该任务仍然具有挑战性。
本文指出，LLM中的上下文学习不仅需要内容获取，还需要规范获取，并提出了PSCI（私有规范-契约归纳）方法，该方法提取局部规范并通过对抗性检查强制执行，在CL-Bench基准上取得了最先进的结果。
Engram推出了一种从用户上下文中学习的人工智能，通过在个人和企业数据上扩展计算能力，创建理解特定工作环境的模型。他们为代理提供API，并与Notion、Harvey和Microsoft建立了合作关系。
提出CoMAG，一个用于多模态属性图的统一骨干网络，它学习任务自适应可靠上下文并执行模态保持对齐，在图级预测、模态匹配和图条件生成上达到最先进结果。
本文指出了当前AI代理记忆系统的四个关键缺陷——脆弱性、缺乏时间推理能力、遗忘困境和评估缺口——并提出了一种受代码代理启发的新型记忆架构，在基准测试中取得了高分，同时强调上下文学习是下一个挑战。
新的基准论文《SWE Context Bench》测试编码代理能否跨任务复用知识，凸显了现有基准仅评估孤立问题解决的不足。作者讨论了外部记忆等解决方案，并提到了 langmem、mem0、supermemory 和 Greplica 等工具。
介绍ContextGuard，一个结构化自我审计框架，通过将模型自我评估分解为确认和不确定类别并应用针对性修订来改进语言模型上下文学习。在CL-Bench基准测试中，Qwen3.5-4B的任务解决率从9.64%提升至13.85%。