世界模型上下文压缩基准与智能体框架提出

2026年10月30日，研究者 Hayder Tirmazi 在 arXiv 提交论文，提出面向世界模型的上下文检索基准，并搭建执行上下文压缩的智能体框架。据该报道，该框架使世界模型无需重训练即可检索超出上下文窗口最多 4 倍的房间；基准每回合生成新世界，以避免模型依靠训练数据回忆房间，并将上下文检索与基于邻近帧的猜测区分开。研究还发现，采用滑动窗口注意力的世界模型在“做梦”时会丢失大部分上下文检索能力。上述“最多 4 倍”与“无需重训练”均限于该报道所述框架与实验条件。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。