RCR：多智能体LLM角色感知上下文路由
热点事件持续更新
RCR：多智能体LLM角色感知上下文路由
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15日，arXiv Artificial Intelligence 刊出 Jun Liu 等作者的论文，提出 Role-Conditioned Context Routing（RCR），一种执行时上下文路由层。据该报道，RCR 按角色、任务阶段元数据和 token 预算，从结构化共享记忆中为各智能体选择性分配相关记忆条目。论文在多跳问答、ALFWorld 具身推理和 WebShop 网页决策三类任务上测试，报道称 RCR 相比 Full-Context 平均减少 35% token 用量、38% 运行时间，同时保持或提升任务表现。上述效果与适用条件均出自该来源的表述，仅代表其自身说法。目前该事件仅有这一篇报道，尚无后续跟进或与之矛盾的信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
RCR-Router：面向多智能体 LLM 系统的角色感知上下文路由报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceRCR-Router：面向多智能体 LLM 系统的角色感知上下文路由
研究者提出 Role-Conditioned Context Routing（RCR），一种执行时上下文路由层，按角色、任务阶段元数据和 token 预算，从结构化共享记忆中为各智能体选择性分配相关记忆条目。在多跳问答、ALFWorld 具身推理和 WebShop 网页决策任务上，RCR 相比 Full-Context 平均减少 35% token 用量、38% 运行时间，同时保持或提升任务表现。
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。