Compact-Bench：衡量上下文压缩对长程编程智能体的代价

压缩会损伤长程编程任务续写，仅保留相关信息并不足够。

资讯摘要

论文提出 Compact-Bench，从同一仓库状态出发，对比完整历史与仅摘要续写，评估上下文压缩对长程编程智能体的影响。基准覆盖 35 个 SWE-bench 修复、146 个智能体会话和 106 条生产链。作者报告，在 14 个摘要模型上，稳定损伤占 22 个完整历史成功案例的 5%–64%；LLM 摘要最多保留 16.0% 的重复细节，机械抽取为 79.1%。

要点速读

1. 基准设计：从共享仓库状态分别进行完整历史续写与仅摘要续写，以隔离特定历史替换的影响。
2. 规模：35 个 SWE-bench 修复、146 个智能体会话、106 条生产链，涉及 14 个摘要模型。
3. 作者报告：稳定损伤为 22 个完整历史成功案例的 5%–64%；LLM 摘要最多保留 16.0% 重复细节，机械抽取为 79.1%，生产摘要首个边界为 15.7%。

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。