#MaxIM

这篇论文解决了智能体长对话记忆压缩的老难题。它不靠人类偏好标注，用互信息做密集奖励，比 SFT 和普通 RL 基线效果都好。做长上下文应用或智能体框架的人可以仔细看看方法部分。