مقاله‌ی arXiv:2610.02163 · منتشرشده در کانال
AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents
اتوکامپکت: آموزش ایجنت کدنویسی برای تصمیم درباره‌ی زمان فشرده‌سازی کانتکست
- تاریخ
- (۹ مهر ۱۴۰۵) 2026-10-01 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Xuan Zhang, Longtao Zheng, Cunxiao Du, Bo An, Xin Dong
- نهاد نویسنده‌ها
- Singapore Management University; Nanyang Technological University; Harvard University
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌های کدنویسی تسک‌های مهندسی نرم‌افزار در سطح مخزن را با مسیرهای طولانی بررسی کد، جست‌وجو، ویرایش و تست حل می‌کنند. با پیشرفت تسک، کاوش‌های قبلی کهنه می‌شوند، پس مدیریت کانتکست فقط جلوگیری از سرریز نیست: ایجنت باید تصمیم بگیرد کِی فشرده کند، کدام وضعیت کاری را نگه دارد و چطور از آن ادامه دهد. روش‌های قبلی رفتار ایجنت پس از فشرده‌سازی را بدون نظارت رها می‌کنند.
روش
روش AutoCompact ایجنت را آموزش می‌دهد تا این تصمیم‌ها را بخشی از سیاستش کند. برای جمع‌آوری داده، ایجنت پایه روی تسک‌ها اجرا می‌شود و یک داور تصمیم‌های فشرده‌سازی، خلاصه‌ها و کنش‌های پس از فشرده‌سازی را بازبینی می‌کند؛ خروجی‌های معیوب پیش از اجرا در محیط با نسخه‌ی اصلاح‌شده جایگزین می‌شوند. این مسیرها برای تنظیم دقیق نظارت‌شده و سپس یادگیری تقویتی مشترک کدنویسی و فشرده‌سازی با پاداش موفقیت تسک به کار می‌روند.
یافته‌ها
- روی SWE-bench Verified و SWE-PolyBench Verified نرخ پاس را به ترتیب ۹٫۲ و ۵٫۰ درصد مطلق نسبت به مدل پایه بالا برد.
- بهبود در همه‌ی بودجه‌های استنتاج ارزیابی‌شده برقرار ماند، هم با پنجره‌ی ۲۵۶ هزار توکنی که هرگز سرریز نمی‌شود و هم با پنجره‌ی ۱۶ هزار توکنی که سرریزش فشرده‌سازی پشتیبان را فعال می‌کند.
محدودیت‌ها
نویسنده‌ها می‌گویند به دلیل محدودیت منابع، آموزش تقویتی با دنباله‌های ۳۲ هزار توکنی انجام شد که از پنجره‌ی ۲۵۶ هزار توکنی ارزیابی کوتاه‌تر است.
چرا مهم است
فشرده‌سازی کانتکست معمولاً با قاعده‌ای ثابت مثل پر شدن پنجره انجام می‌شود. این کار نشان می‌دهد وقتی ایجنت خودش یاد بگیرد کِی و چطور فشرده کند و پس از آن چطور ادامه دهد، تسک‌های بیشتری حل می‌شود.