کامپکشن

A team of Gemini 4 Argon agents beats Minecraft

چهار ایجنت جمنای ۴ آرگون بازی ماینکرفت را از صفر تا شکست اژدها تمام کردند

ایجنت‌های امروزی در کارهای کوتاه خوب‌اند، اما کارهایی که هزاران قدم وابسته به هم دارند و بیش از یک روز طول می‌کشند هنوز سخت‌اند. تمام کردن ماینکرفت در حالت بقا یک آزمون روشن از همین توانایی است: باید منابع جمع کرد، ابزار ساخت، به بُعد دیگری رفت و در آخر اژدهای

Skip the Compressor: Coding Agents Fix More Issues When They Pick Whole Files

مقاله‌ی Skip the Compressor: Coding Agents Fix More Issues When They Pick Whole Files (15 Oct 2026، دانشگاه ایلینوی اربانا-شمپین؛ Xiaocong Yang، Rishit Chatterjee و همکاران) مسئله: یک ریپوی واقعی خیلی بزرگ‌تر از پنجره‌ی کانتکست ایجنت است، پس باید تصمیم گرفت کد

Same Context, Different Agents: A Behavioral Study of Semantic Layers, Orchestration and Compaction in Data Agents

یک تکنیک مهندسی کانتکست برای یک ایجنت نجات‌بخش است و برای ایجنت دیگر مضر

جواب دادن به سؤال روی داده‌های ناهمگون یعنی ترکیب شواهد از فایل‌ها، پایگاه داده، اسناد و وب. ایجنت‌های داده این کار را خودکار می‌کنند و موفقیتشان به کانتکست بستگی دارد. سه تکنیک مهندسی کانتکست رایج‌اند: «لایه‌ی معنایی» که داده را توصیف می‌کند، «ارکستراسیون» که

Latent Compaction with Test-Time Training

فشرده کردن حافظه‌ی کلید-مقدار مدل برای یک سند، با آموزش در زمان اجرا

کانتکست‌های طولانی حافظه‌ی کلید-مقدار مدل را بزرگ می‌کنند و مصرف حافظه و هزینه‌ی توجه را هنگام تولید بالا می‌برند. فشرده کردن این حافظه باید اطلاعات لازم برای سؤال‌هایی را که هنوز پرسیده نشده‌اند حفظ کند؛ مثلاً اگر سند یک دفترچه‌ی تلفن است، شماره‌ی هر کسی که ب

Maximising Transparency in Context Compaction Improves Retention of Facts and Commitments for Lightweight Coding Agents

فشرده‌سازی شفاف کانتکست، که متن گفت‌وگو را دست‌نخورده نگه می‌دارد، حافظه‌ی ایجنت‌های کدنویسی سبک را بهتر می‌کند

جلسه‌های طولانی ایجنت کدنویسی از پنجره‌ی کانتکست مدل بزرگ‌تر می‌شوند، پس ایجنت تاریخچه‌ی قدیمی را با چیز کوتاه‌تری، معمولاً خلاصه‌ای که خود مدل نوشته، عوض می‌کند. خلاصه انتخاب می‌کند و بازنویسی می‌کند، و ایجنت نمی‌بیند چه چیزی از دست رفته؛ مثلاً قاعده‌ای که کا

REMORY: Learning Residual Memory for Context Compaction

ریموری: یادگیری حافظه‌ی باقی‌مانده برای فشرده‌سازی کانتکست ایجنت‌های بلندمدت

ایجنت‌های بلندمدت برای ادامه دادن در پنجره‌ی کانتکست محدود، تاریخچه را فشرده می‌کنند، اما یک خلاصه‌ی متنی به تنهایی ممکن است از همه‌ی تصمیم‌های بعدی پشتیبانی نکند. مثلاً خلاصه می‌گوید «فایل پیکربندی بررسی شد» ولی مقدار دقیقی که بعداً لازم می‌شود در آن نیست. شب

Does an Agent's History Tell You When Compaction Will Hurt? A Modest, Bounded Effect on the TRACE Paired-Replay Corpus

آیا تاریخچه‌ی ایجنت می‌گوید فشرده‌سازی کانتکست کِی آسیب می‌زند؟ اثری کوچک و محدود روی مجموعه‌ی بازپخش جفتی

بسیاری از ایجنت‌های بلندمدت کانتکست را با یک قاعده‌ی سراسری، معمولاً بودجه‌ی توکن، فشرده می‌کنند و به این‌که ایجنت در آن لحظه چه می‌کرد توجهی ندارند؛ مثلاً ممکن است درست وسط یک ویرایش چندمرحله‌ای خلاصه‌سازی کنند. سؤال این است که آیا رفتار اخیر ایجنت پیش‌بینی م

AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents

اتوکامپکت: آموزش ایجنت کدنویسی برای تصمیم درباره‌ی زمان فشرده‌سازی کانتکست

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 کار

Persistent Context Graphs for Efficient Memory Compaction in LLM Agents

گراف‌های کانتکست پایدار برای فشرده‌سازی کارآمد حافظه در ایجنت‌ها

تاریخچه‌ی رو به رشد تعامل ایجنت‌ها فشرده‌سازی حافظه را برای ماندن در پنجره‌ی کانتکست و کاهش هزینه‌ی پیش‌پرکردن ضروری می‌کند. روش‌های موجود تاریخچه را خلاصه یا حافظه‌ی کلید و مقدار را فشرده می‌کنند و اغلب محاسبه‌ی مدل اضافه می‌کنند. یک درخواست جدید کاربر می‌توا

CliffCompaction: Cost-Efficient Compaction for Long-Horizon Coding Agents

کلیف‌کامپکشن: فشرده‌سازی کم‌هزینه برای ایجنت‌های کدنویسی بلندمدت

ایجنت‌ها اغلب روی مسائل پیچیده‌ای کار می‌کنند که میلیون‌ها توکن کانتکست لازم دارند و به دلیل پنجره‌ی کانتکست محدود باید بین جلسه‌ها فشرده‌سازی کنند. فشرده‌سازی‌هایی که محتوا را بازنویسی می‌کنند ممکن است با هر دور اطلاعات را تحریف کنند و رانش کانتکست انباشته شو