【第757期】Scroll：基于程序化环境的长程智能体上下文管理

今天的这篇的主题是： Context as an Environment: Programmatic Context Management for Long-Horizon Agents Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。 如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。 联系小助手微信：eccstartup（加群/投稿论文） Summary LLM 智能体正越来越多地承担长时间运行的任务，其交互历史的长度往往远远超出单个模型上下文窗口的容量。现有方法通常通过压缩早期交互，或将选定的信息提取到固定的记忆表示中来应对这一问题，但这些方法必须在尚不清楚未来需求的情况下，提前决定保留哪些信息。 我们提出了 Scroll，一种将每个智能体会话视为可执行会话环境（Session Environment）的上下文管理器。该环境由一个仅追加的事件日志（Append-Only Event Log）和一个沙箱化的持久化 Python 内核提供支持。Python 内核能够在多次模型调用之间维护一个带类型的命名空间，使工具输出、检索到的历史信息以及派生状态可以绑定到变量，而不必在每次调用时都将其序列化到提示词中。 模型编写的代码通过 exec 搜索、实例化和转换会话状态；只有被显式打印出来的状态投影才会进入模型下一次调用时的工作视图（Working View）。因此，上下文管理转变为一项编程任务，能够直接受益于 LLM 不断提升的代码能力，而事件日志则保留了无损的历史事实记录。 当工作视图接近其容量预算时，过时的上下文片段会被驱逐，但仍然可以恢复：驱逐索引（Eviction Index）会保留与事件日志精确地址关联的紧凑定位标记，使智能体能够直接导航到被驱逐的历史区域，而无须搜索整个日志。 以 Qwen3.8-Max 作为基础模型，Scroll 在 LongMemEval_S 上取得了 94.8% 的成绩；在 BEAM_10M 上达到 73.1%，比已发表的最佳记忆系统高出 5.1 个百分点；在 LOCA_256K 上达到 86.7%，比已发表的最佳长时程智能体高出 37.4 个百分点。 原文链接：https://arxiv.org/abs/2608.21690 前往小宇宙评论区与主播互动