CORAL用检查点与上下文重置降低长程任务认知过载
资讯摘要
论文提出CORAL推理范式，将工作记忆管理做成智能体可调用的工具集：智能体可对任务进度与已验证事实做检查点，并重置杂乱上下文、从干净状态继续推理，以缓解长程任务中的认知过载。作者用多回合智能体强化策略优化算法增强检查点能力。论文报告在GAIA上8B模型平均准确率42.8%，Level 2/3提升明显，输入token比ReAct少6-7倍，并在BrowseComp上提升某专有智能体8.0分。
要点速读
- CORAL把工作记忆管理实现为智能体可调用的工具集，支持检查点保存与上下文重置后续推理
- 采用多回合智能体强化策略优化算法增强检查点能力
- 论文报告GAIA上8B模型平均准确率42.8%，输入token比ReAct少6-7倍，BrowseComp上提升专有智能体8.0分
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 2026/10/31 08:00:18（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。