2609.37725 · 小红书推广卡片文案

三个标题变体

  1. 数字钩子版:上下文长任务算力砍掉 59% —— arXiv 2609.37725 用 Context-as-File 把 LLM Agent 的记忆管理权"上交"给模型自己
  2. 类比版:相当于给 LLM Agent 装一个"自己当秘书"的开关 —— arXiv 2609.37725 用 CLM 把上下文管理从 LangChain / ReAct 脚手架搬回模型内部
  3. 反直觉版:不重训也能涨点 —— arXiv 2609.37725 用 Context Language Models 让 Qwen3.5 / Llama 零样本即用,准确率 +11.4% 同时 FLOPs -21.5%

小红书卡片文案(约 220 字)

做 Agent / RAG 的姐妹听我说 🫶

你有没有遇到过——LangChain / ReAct 包装器动不动 summarize、truncate、丢证据?context 越长越稀释、关键证据一截就丢?修一处要改一套 harness,模型只是个"被动接收者"?

arXiv 2609.37725(Context Language Models)告诉你——

❌ 错诊:堆上下文长度 / 堆检索策略 ✅ 真因:上下文管理权完全在外层脚手架,模型自己没机会学"什么值得留"

修法:Context-as-File —— 给模型一个可读写的"工作记忆文件",模型自决保留/丢弃/追加;配套 Suffix Cache Reuse,服务端算力再降 35% ✨

效果:BrowseComp-Plus +11.4% 准确率 + -21.5% FLOPs,12 小时长任务算力砍掉 59%,24 小时多智能体相对改进 +65%

零样本即用,不需要重训,符合"模型越强、责任越大"的方向 🫶

LLMAgent #上下文管理 #CLM #SuffixCache #论文解读 #零样本

关联论文:2609.37725(点格式) 科普版:/shared/research-kb/organized/promo/popular/2609-37725.md