- 论文公开站arXiv
用自适应循环Transformer改进测试时扩展
Improving Test-Time Scaling with Adaptive Looped Transformers
循环Transformer通过复用层进行潜在计算，展现出良好的参数效率。此前研究在参数量或每token FLOPs匹配下比较循环与非循环模型，但循环是否改善测试时扩展尚不明确。
- 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。