研究：LLM智能体工具输出截断致信息流失
热点事件持续更新
研究：LLM智能体工具输出截断致信息流失
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv人工智能板块刊出论文《Context Is a Pipeline, Not a Window》，作者为Yuvraj Sehgal等。论文提出，LLM智能体的上下文应被理解为一条管线，而不是一个窗口，并测量了工具调用型智能体在真实运行中的信息损耗。研究基于720次读取Linux内核trace的故障定位运行：最大提示仅占用上下文窗口的5.75%，但11,189条工具结果中有3,827条在到达模型前被按固定长度截断，且截断后都变成损坏的JSON。论文据此指出，工具输出截断会造成信息流失，并讨论其对诊断准确率的影响。目前报道仅呈现该论文的测量结果与主张，未提及后续验证或同行评议进展。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
论文指出 LLM 智能体上下文是管线而非窗口，工具输出截断造成信息损耗报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv Artificial Intelligence论文指出 LLM 智能体上下文是管线而非窗口，工具输出截断造成信息损耗
arXiv 论文《Context Is a Pipeline, Not a Window》测量了工具调用型 LLM 智能体的信息损耗：在 720 次读取 Linux 内核 trace 的故障定位运行中，最大提示仅占用上下文窗口的 5.75%，但 11,189 条工具结果中有 3,827 条在到达模型前被按固定长度截断，且截断后都变成损坏的 JSON。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。