SCH方法通过语义状态-证据分离优化长程Agent性能
热点事件持续更新
SCH方法通过语义状态-证据分离优化长程Agent性能
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年11月19日,arXiv发布论文介绍SCH(Semantic Context Handoff)方法。该方法由Guolong Zheng等人提出,旨在解决长程LLM智能体在运行中上下文不断膨胀的问题,核心思想是将语义状态与证据解耦,并在后续步骤按需恢复早期证据。 在SWE-bench的150项任务基准测试中,SCH在token使用量基本不变的情况下,将Pass@1指标从80.0%提升至86.9%。相较于最强基线,SCH在性能持平或更优的前提下,实现了43%的token消耗减少和41%的运行时间缩短。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
长程智能体通过按需证据实现语义上下文交接 (SCH)报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · AI长程智能体通过按需证据实现语义上下文交接 (SCH)
SCH 提出状态-证据分离,将语义状态与证据解耦,按需恢复早期证据以解决长程智能体上下文膨胀问题。 SWE-bench 150 项任务中,SCH 在 token 使用量基本不变的情况下,将 Pass@1 从 80.0% 提升至 86.9%。 相比最强基线,SCH 在性能持平或更优时,减少 43% token 和 41% 运行时间。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。