AC3：多轮对话中的智能体上下文管理

论文提出免训练方法 AC3，用独立分析器重建多轮对话上下文。

资讯摘要

论文提出 AC3，一种无需训练的多轮对话上下文管理方法：由独立分析器仅从用户消息整理任务规范，审计助手此前输出，再选择追加分析或丢弃助手侧内容、按规范重建上下文。作者报告，在 Lost in Conversation 上 AC3 弥补了完整上下文与 AO 之间 55–84% 的差距，并在第四个任务上超过 AO；在 WildChat 上 GPT-5-mini 评判偏好 AC3，但结果依赖评判模型，CollabLLM 上表现不一；tau2-bench 中 AO 全部降至 0%，AC3 未崩溃但略逊于完整上下文。

要点速读

1. AC3 为免训练方法，由独立分析器整理用户任务规范、审计助手输出并编辑上下文。
2. 作者报告在 Lost in Conversation 四个任务中三个弥补 55–84% 差距，第四个超过 AO。
3. WildChat 上 GPT-5-mini 评判偏好 AC3，但依赖评判模型；CollabLLM 结果不一；tau2-bench 中 AC3 未崩溃但略逊完整上下文。

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 2026/11/4 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。