AIR 按智能体步骤动态决定索引刷新层数，提升成功率并降低耗时。
资讯摘要
论文提出自适应索引复用方法 AIR，用于长程推理中的语言智能体。动态稀疏注意力需每层重算索引，IndexCache 等跨层复用方法只固定部分层刷新。AIR 保留 IndexCache 执行方式，由小型控制器读取已完成计算与最新工具事件信号，为智能体每段轨迹学习刷新层数，并在预期算力预算下以任务终局奖励学习。作者报告在 Qwen3-4B-Instruct-2507、128K 上下文下，SWE-bench Verified 成功率由 27.0% 升至 32.4%，并在 Terminal-Bench 2.0 与三个 τ²-bench 域上降低每个成功任务耗时。
要点速读
- 论文提出 AIR，按智能体轨迹分段自适应决定多少层刷新索引选择，而非使用固定模式。
- 控制器依据已完成计算信号与最新工具事件，从嵌套模式库中选择刷新方案。
- 作者报告在 Qwen3-4B-Instruct-2507、128K 上下文下，SWE-bench Verified 成功率从 27.0% 提升到 32.4%，并在五个基准上降低每个成功任务耗时。
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。