- 论文公开站arXiv
信任引导的决策Transformer
Trust Guided Decision Transformer
摘要显示，Decision Transformer 在长程 rollout 中因条件上下文偏离训练分布而性能下降，这种漂移可通过模型自身的下一状态预测误差观察到。作者提出 Trust Guided Decision Transformer（TGDT），先用滚动下一状态预测误差并结合 split conformal prediction 校准阈值筛选可信上下文后缀，再由冻结 critic 在可信后缀中选择最高价值动作。D4RL 导航与运动…
意义：为离线强化学习中的长程决策提供了一种基于模型自检误差的上下文可靠性筛选思路，有助于提升 Decision Transformer 类方法的稳定性。
- 论文公开站arXiv
CliffCompaction：面向长时程编码智能体的低成本压缩
CliffCompaction: Cost-Efficient Compaction for Long-Horizon Coding Agents
摘要显示，CliffCompaction 是一种自动压缩技术，在有限上下文窗口下可将成本降低最多 50%，同时在 Terminal-Bench 上保持或提升性能，并在 KernelBench 上取得领先结果。其核心在于压缩时只截断或丢弃内容，绝不改写重述，且每轮压缩只处理原始内容、丢弃旧压缩产物，以避免上下文漂移。摘要称其在 KernelBench 上 200 步后实现 2.23 倍、400 步后 3.58 倍的 CUDA 内核加速。
意义：为长周期编程智能体提供低成本上下文管理方案，使测试时扩展更经济，并开源 API 代理实现，便于开发者集成。