Компьютерная наука > Искусственный интеллект [представлен 7 октября 2026 года] Название: Curing всегда Loaded Контекст для агентов LLM: Capacitated Assortation Model with Censored response View PDF HTML (экспериментальный) Резюме: В начале каждого сеанса агенты LLW загружают фиксированный контекстный файл, такой как $\text {this httpRL}$. Каждый загруженный символ в файле снова заряжается на каждом последующем раунде сессии, и эти файлы могут ухудшить производительность по мере роста их размера. Однако на практике человеческие или автоматизированные кураторы обычно выращивают эти файлы путем добавления. Мы формулируем контекстную кулинарию как проблему с парашютом. Инструкции потребляют жетоны с ограниченным вниманием; добавление инструкции никогда не повышает соответствия других инструкций, в то время как сохраненные инструкции влекут за собой расходы на каждую сессию. Мы доказываем верхнюю границу по оптимальному размеру файла, независимо от количества имеющихся инструкций для кандидатов и что добавление каждой инструкции с позитивной автономной ценностью может быть произвольно хуже в чистом значении, чем выбор оптимального подмножества. Символический бюджет также ограничивает потери, когда символическая цена недооценивается. Затем мы изучаем то, что можно извлечь из предыдущих сессий и как эта информация может служить ориентиром для принятия решений о добавлении или исключении инструкций. Отзывы по своей сути подвергаются цензуре: преимущества и вреды загруженных…
Рециркуляция постоянно загруженного контекста для агентов LLM: конструктивная модель сортировки с цензурой
arXiv: 261 010.1007v 1 Annuales Type: New Brieflow: В начале каждого сеанса агенты LLM загружают файл с фиксированным контекстом, например $ $text {AGENTS.md} долларов. Каждый загруженный символ в файле снова заряжается на каждом последующем раунде сессии, и эти файлы могут ухудшить производительность по мере роста их размера. Однако на практике человеческие или автоматизированные кураторы обычно выращивают эти файлы путем добавления. Мы формулируем контекстную кулинарию как проблему с парашютом. Инструкции потребляют жетоны с ограниченным вниманием; добавление инструкции никогда не повышает соответствия других инструкций, в то время как сохраненные инструкции влекут за собой расходы на каждую сессию. Мы доказываем верхнюю границу по оптимальному размеру файла, независимо от количества имеющихся инструкций для кандидатов и что добавление каждой инструкции с позитивной автономной ценностью может быть произвольно хуже в чистом значении, чем выбор оптимального подмножества. Символический бюджет также ограничивает потери, когда символическая цена недооценивается. Затем мы рассмотрим, что можно узнать.