精选理由
做长任务 Agent 开发的团队终于有了一个不碰模型权重就能提升性能的方案——AdaCoM 用一个小模型当上下文管家，实测搜索任务提升 39%，值得在项目里试试。
一篇新论文提出 AdaCoM，通过一个独立的小模型来清理和组织 Agent 的上下文，从而提升其在长任务中的表现，无需重新训练 Agent 本身。AdaCoM 在 Agent 每一步行动前，对任务历史进行重写、合并、剪枝或保留，然后让原始 Agent 基于清理后的上下文行动。与简单摘要不同，AdaCoM 能学习不同 Agent 需要何种上下文——强 Agent 可保留更多原始历史，弱 Agent 则需要更简洁的笔记。在网页搜索和深度研究任务上，AdaCoM 将平均搜索性能提升了 39%。
AI 翻译 · 中文
一篇新论文提出 AdaCoM，通过一个独立的小模型来清理和组织 Agent 的上下文，从而提升其在长任务中的表现，无需重新训练 Agent 本身。AdaCoM 在 Agent 每一步行动前，对任务历史进行重写、合并、剪枝或保留，然后让原始 Agent 基于清理后的上下文行动。与简单摘要不同，AdaCoM 能学习不同 Agent 需要何种上下文——强 Agent 可保留更多原始历史，弱 Agent 则需要更简洁的笔记。在网页搜索和深度研究任务上，AdaCoM 将平均搜索性能提升了 39%。
AI agent can get better at long tasks without retraining the agent itself, by using a separate small model to clean and organize its context. Moves context management outside the agent, so a separate helper can clean up …