Agent 执行框架上下文管理对任务成功率的影响分析

预注册实验显示，当关键事实不可重新观测时，截断上下文窗口导致低成本推理模型成功率降至随机水平，与可重查情境的失败率差 92.5 个百分点。在 ARC-AGI-3 基准测试中，摘要旧轮次而非直接丢弃可恢复 63 分差距的 86%，且回放模型先前推理可进一步提升性能。