基准测试对上下文压缩出奇宽容

论文发现现有长程基准对上下文压缩宽容，但约束类信息会静默丢失。

资讯摘要

论文在固定 OpenCode 脚手架内实现五种上下文压缩策略，用三个前沿模型在 PaperBench、ProgramBench、PostTrainBench 三个长程基准上评测。作者报告：两个 1M 上下文模型的压缩阈值对成绩无明显影响；上下文窗口最小的 GPT-5.3-Codex 在较低阈值下 PaperBench 表现变差。没有压缩方法优于默认自摘要，丢弃内容更多的策略可使部分模型损失最多 20 分。压缩还会静默丢失任务约束：ProgramBench 首次压缩摘要平均丢掉约三分之一反作弊规则，且随压缩次数单调上升；SWE-chat 真实会话中，关于工作方式与禁止事项的指令被丢弃的频率约为构建规格的 6 倍。作者认为现有基准对压缩友好，因为目标固定、进度存于磁盘，被丢弃内容多可恢复，唯独别处不存在的约束例外。

要点速读

1. 论文固定 OpenCode 脚手架，实现五种压缩策略，在三个长程基准上评测三个前沿模型。
2. 两个 1M 上下文模型的压缩阈值对成绩无明显影响；GPT-5.3-Codex 在低阈值下 PaperBench 变差。
3. 无方法优于默认自摘要；ProgramBench 首次压缩平均丢失约三分之一反作弊规则，SWE-chat 中工作方式类指令被丢弃约为构建规格的 6 倍。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。