上下文能塞 50 万 token，Agent 为什么还是记错中间结果？
文章探讨了即使大模型支持超长上下文窗口，Agent 在处理复杂任务时仍难以维护有效中间状态的问题。作者介绍了评测框架 ArbiGraph，该框架利用可执行任务图来测试模型的状态管理、依赖传递及抗干扰能力。实验表明，随着任务链路和分支复杂度的增加，模型准确率显著下降，强调上下文管理的核心在于维护可流动、可失效的计算状态，而非单纯扩容。
全部文档 / 标签: ArbiGraph
1 篇
文章探讨了即使大模型支持超长上下文窗口，Agent 在处理复杂任务时仍难以维护有效中间状态的问题。作者介绍了评测框架 ArbiGraph，该框架利用可执行任务图来测试模型的状态管理、依赖传递及抗干扰能力。实验表明，随着任务链路和分支复杂度的增加，模型准确率显著下降，强调上下文管理的核心在于维护可流动、可失效的计算状态，而非单纯扩容。
