研究LLM Agent上下文管理对计划依赖的影响

2026年10月15日，arXiv Artificial Intelligence 刊出 Aman Mehta、Anupam Datta 的论文《Plans Fade Fast：为何上下文管理对 LLM 智能体至关重要》。研究提出 replay pairing 方法，固定动作-观察轨迹，对比有无计划交换时的动作前隐藏状态。在 ALFWorld 上，Llama-3.1-70B 的 15 层平均对比度从计划后第一个动作到第二个下降 4.1 倍，Llama-3.1-8B 下降 5.6 倍；用第 32 层隐藏状态的线性模型预测后续对比度 R² 达 0.847，优于仅知动作调用偏移的基线（0.575）。作者称，研究计划是因为智能体早期创建计划并预期之后使用，但仅凭行为成功无法揭示后续调用是否仍依赖计划交换。目前该事件仅有这一篇主报道，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。