跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. 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
–

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。