🤖 AI

ACM: Agentic Context Management for Long Horizon Tasks

本文介绍了智能体上下文管理（Agentic Context Management, ACM），这是一个通过无损上下文编辑和外部记忆检索，使智能体能够自主管理长程任务的框架，显著提升了在搜索和编程任务中的性能，并减轻了 Token 压力。

原作者： Xiaochuan Li, Ryan Ming, Meng Chu, Shuai Shao, Rong Jin, Chenyan Xiong

发布于 2026-07-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Xiaochuan Li, Ryan Ming, Meng Chu, Shuai Shao, Rong Jin, Chenyan Xiong

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你是一名正在试图破解一个庞大且多层谜团的侦探。你有一个笔记本，记录下每一个线索、每一段对话以及每一次死胡同。起初，你的笔记本很小，易于管理。但随着案件拖延数日，你的笔记本填满了。很快，你携带的一叠纸张变得如此厚重，以至于你无法快速翻阅，去寻找三小时前发现的那个关键线索。你开始遗忘，开始感到困惑，最终，你自己笔记的重量本身阻碍了你破案。这就是“AI智能体”（Agent）——那些旨在模仿人类进行网页搜索、编写代码或解决复杂问题的计算机程序——所面临的日常挣扎。它们非常擅长思考，但它们有一个糟糕的记忆限制：它们的“笔记本”（被称为“上下文窗口”）会变满，而一旦变满，它们往往会放弃或出错。

长期以来，科学家们一直试图通过强制智能体在笔记本变得太重时对笔记进行总结来解决这个问题。想象一位严厉的老师，每当笔记本达到 90% 的容量时，就会大喊：“停！把目前写过的所有内容都总结一下！”问题在于，这位老师并不知道侦探正在思考什么。他们可能会在侦探即将取得突破的关键时刻强制要求总结，从而丢弃掉解开谜题所需的关键线索。这篇论文介绍了一种更聪明的方法：为智能体提供自己的记忆工具，让它自己决定何时清理笔记、保留什么内容，以及如何在不永久丢失信息的情况下检索旧线索。

拥有超强组织大脑的智能体

来自卡内基梅隆大学和 Meta 的研究人员提出了一种名为 Agentic Context Management (ACM) 的新系统。ACM 不再依赖僵化的规则或外部监控器来告诉 AI 何时进行总结，而是为 AI 配备了两个特殊的“工具”，充当人类短期和长期记忆的角色。

把 AI 当前的工作记忆想象成一张办公桌。当你正在处理一个项目时，你会把现在需要的资料放在桌上。但随着项目的增长，办公桌会变得杂乱无章。在旧的方法中，机器人只会把所有东西塞进一个箱子并扔掉，只保留一份模糊的描述。如果你以后需要某个特定的细节，你就彻底没戏了。

有了 ACM，AI 的办公桌旁边还有一个文件柜。当桌面变得过于拥挤时，AI 会决定进行整理。它会将那些不需要立即使用的资料拿出来，写一份整洁的摘要，然后将原始资料归档到文件柜中。至关重要的一点是，它并没有把这些资料扔掉；它将它们保存得很好。如果 AI 稍后意识到：“等等，我需要检查一下那份旧文件里说了什么，”它可以打开文件柜，取出特定的文件，并阅读原始细节。这是无损的管理方式：信息从未丢失，只是从“活跃办公桌”转移到了“存储文件柜”。中。

教会 AI 成为一名优秀的图书管理员

仅仅给 AI 这些工具是不够的。研究人员发现，即使是聪明的 AI 模型也不会自然而然地知道何时使用它们。有时它们清理得太早（丢弃了仍需使用的线索），有时又等得太久（任由桌面变得混乱到无法思考）。

为了解决这个问题，团队使用了一种“教师-学生”教学法开发了巧妙的训练方法。想象一位大师级侦探（教师）正在观察一名实习生（学生）尝试破案的过程。

错误： 学生尝试在不使用文件柜的情况下解决问题，结果陷入困境或失败。
教训： 教师看着学生杂乱的笔记说：“嘿，就在这个时刻，你应该把那些旧笔记放进文件柜，因为你当时正在原地打转。”
纠正： 教师也会观察学生何时使用文件柜，并说：“等等，你现在还不该把那个归档！你当时正要找到答案呢。”

通过向学生展示何时该清理以及何时不该清理，AI 学会了完美的时机把握。它学会了识别自己何时“陷入循环”或何时“桌面过载”，并能自主采取行动。

结果：更多的线索，更好的答案

当研究人员测试这个新系统时，结果令人印象深刻。他们让他们的“ACM 智能体”与标准 AI 智能体在三种困难任务上进行了对决：深度网络研究、复杂搜索问题以及修复计算机代码。

更高的准确率： 经过训练的 ACM 智能体在处理困难研究问题方面的成功率提升了 27%，在解决编程问题方面的成功率提升了 8%。
更小的压力： 该系统减少了约 20% 的“峰值 Token 压力”（即 AI 同时需要处理的最大信息量）。这就像减轻了你背包的重量，让你跑得更快。
更多的探索： 由于 AI 不再担心空间耗尽，它更愿意尝试更多的搜索路径。它进行了更多的工具调用，并在放弃之前探索了更多的想法。

这篇论文表明，这种方法可以让 AI 处理更长、更复杂的任务而不会感到困惑。它将 AI 从一个到处乱丢纸张的匆忙记录员，转变为一名冷静、有条理的侦探，即使在调查数小时后，也清楚地知道在哪里可以找到所需的证据。研究人员公开了他们的代码和数据，邀请他人基于这一“智能文件系统”进行未来的 AI 开发。

技术摘要：面向长程任务的智能体上下文管理 (ACM)

1. 问题陈述

由大语言模型 (LLM) 执行的智能体任务本质上是长程且多轮次的，要求智能体能够制定自适应计划、调用工具，并根据环境反馈调整行动。然而，这些任务产生的交互轨迹会累积冗长且嘈al的上下文（包括失败的尝试、冗余的观察结果以及工具输出）。即使模型支持数百万标记 (token) 的名义上下文窗口，有效上下文容量也经常被突破，从而导致性能下降。

现有方案面临显著局限性：

长上下文预训练和混合注意力机制虽然扩展了窗口，但仍受限于性能退化或本质上的上下文窗口限制。
上下文压缩流水线（例如 ReSum、ACON）依赖于僵化的、手工设计的启发式规则（如固定的标记阈值）来触发压缩。这些外部监控器与智能体不断演进的推理焦点并不一致，往往会导致信息过早压缩或在必要时未能压缩。此外，许多压缩方法是有损的，会丢弃后续可能需要的原始数据。

2. 方法论：智能体上下文管理 (ACM)

作者提出了 智能体上下文管理 (ACM) 框架，该框架为智能体配备了专门设计的工具，使其能够自主、无损且与自身推理状态保持一致地管理上下文。

2.1 核心框架

受人类短期与长期记忆分离机制的启发，ACM 引入了两个特定工具：

manage_context：将当前工作上下文（自上次摘要边界以来的所有消息）压缩为一个简洁的摘要。至关重要的是，原始消息并没有被丢弃，而是被卸载到外部持久化存储系统（如磁盘）中。每个摘要都被分配一个唯一的标识符，将其与原始数据进行映射。
query_memory：允许智能体通过使用摘要标识符查询外部存储，从卸载的原始消息中检索特定信息。

与以往由外部监控器强制执行压缩的工作不同，ACM 是由智能体发起的。智能体根据其内部推理状态（例如检测到循环、冗余查询或接近标记限制）决定何时以及如何进行压缩，从而实现有效上下文的动态扩张或收缩。

2.2 后训练流水线

意识到前沿模型在确定最优上下文管理时机方面存在困难，作者开发了一个双约束教师-学生后训练流水线：

阶段 1：学生展开 (Student Rollouts)：学生模型 (Qwen3.5-9B) 在两种条件下生成轨迹：
- 不使用 ACM 工具 ( $H^-$ )：反映普通的探索行为。
- 使用 ACM 工具 ( $H^+$ )：捕捉未经训练的工具使用情况。
阶段 2：教师标注 (Teacher Annotation)：更强的教师模型 (Qwen3.5-397B-A17B) 根据参考答案审查这些轨迹，并应用两个互补的约束：
- 注入 (Injection, 基于 $H^-$ )：识别应当调用上下文管理工具的轮次（例如，当学生进入死循环或积累了冗余上下文时），并插入相应的工具调用及推理痕迹。
- 精炼 (Refinement, 基于 $H^+$ )：识别学生上下文管理调用过早或不必要的轮次（例如，在合成答案之前进行压缩），并将其替换为更具生产力的行动（例如，进行更深层的搜索或提交答案）。
训练目标：通过在线蒸馏训练学生模型，使其匹配教师模型的软下一步标记分布 (soft next-token distributions)，从而不仅学习如何使用这些工具，还学习何时调用或克制调用。

2.3 数据质量控制

为了确保高质量的训练数据，该流水线采用了：

拒绝采样 (Rejection Sampling)：仅保留学生最初失败的轨迹，确保学习发生在真正具有挑战性的问题上。
内容过滤 (Content Filtering)：验证教师的推理痕迹是否解释了为何需要压缩（例如，“循环探索”），同时确保不会泄露来自参考答案的信息。

3. 核心贡献

智能体上下文管理范式：实现了从外部、启发式驱动的压缩向智能体自主、无损上下文管理系统的转变，其中智能体决定了压缩的时机和方法。
双约束后训练流水线：一种高效的方法，将上下文管理能力内化到模型本身，教会智能体准确把握压缩与检索的时机，而无需完全依赖重度强化学习。
实证验证：证明了有效的上下文管理可以降低峰值标记压力，延长测试时的探索轮次，并提高独立试验中的解题一致性。

4. 实验结果

作者在三个长程基准测试上评估了 ACM：BrowseComp-Plus、DeepSearchQA 和 SWE-Bench Verified，使用 Qwen3.5-9B 作为基础模型。

性能提升：
- BrowseComp-Plus：经过 ACM 后训练的模型达到了 72.7% 的 Pass@1，相比 ReAct 基线 (57.0%) 实现了 27% 的相对提升，并超越了 397B 参数规模的前沿模型 (65.3%)。
- DeepSearchQA：从 36.7% (ReAct) 提升至 42.5% (ACM-Post-Trained)。
- SWE-Bench Verified：从 48.9% (ReAct) 提升至 53.0% (ACM-Post-Trained)。
效率与行为：
- 标记减少：与基线相比，ACM 将峰值标记使用量减少了约 20%，即使在长轨迹中也能使工作上下文保持在限制之下。
- 探索能力：该框架显著增加了工具调用和探索轮次。例如，ACM-Post-Trained 智能体进行的搜索和文档检索调用比基线更多，使其能够遍历复杂的推理路径，否则这些路径会导致上下文溢出。
- 一致性：对 Pass@K 指标的分析显示，ACM 显著缩小了 Pass@1 与 Pass@4 之间的差距，表明与不稳定的 ReAct 基线相比，其独立试验中的解决方案具有更高的一致性。
消融研究：
- 仅从强教师模型进行蒸馏（不使用特定的 ACM 数据）未能超越 ACM 训练的模型，这突显了专用上下文管理演示数据的必要性。
- 将通用蒸馏与 ACM 数据结合使用效果最佳，表明这两种来源是相互增强的。

5. 意义与主张

论文声称 ACM 代表了智能体处理长程任务方式的根本转变。通过将上下文管理视为一种显式的、由智能体发起的行动而非外部约束，该框架使智能体能够：

维持一个干净、紧凑的工作记忆，专注于即时推理，同时在外部存储中保留无损的历史记录。
延长其有效探索水平，解决需要数百轮对话和数十万标记的问题，否则标准智能体会因上下文溢出或“迷失在中部 (lost in the middle)”的性能退化而失败。
实现更高的一致性，因为良好的上下文管理减少了噪声，并防止智能体陷入无意义的循环。

作者强调，这些收益是在不修改底层模型架构或不需要大规模强化学习的情况下实现的，而是依靠一个有针对性的后训练流水线，教导模型管理自身的认知资源。

局限性：作者指出，ACM 以具备足够长程推理能力的基座模型为前提；较小的模型（如 4B 参数模型）由于推理崩溃而非上下文压力导致的过早终止，无法从这些工具中获益。此外，评估依赖于重新实现的基线，尽管已尽力确保公平比较。