PAIR 框架針對長流程智能體上下文壓縮失效問題展開優化
DAIR.AI 重點介紹的一篇研究論文探討了長流程智能體的效能瓶頸，發現成功率顯著下跌主要源於少數具體的壓縮事件，而非漸進式的效能衰退。有害的壓縮通常會遺漏尚未解決的任務指標，或將具體技術規格簡化為模糊文字，迫使智能體重複執行 API 認證與文檔查閱。
為解決這些失效問題，研究人員提出了 PAIR。該方法無需對比包含過多雜訊的完整執行流程，而是從同一執行狀態出發，分別在有與無特定壓縮事件的情況下重放智能體。在保持智能體模型、壓縮器及工具介面不變的前提下，PAIR 可診斷具體遺失的上下文，並針對性地重寫壓縮提示詞的相關部分。在 AppWorld、OfficeBench 及 tau-Bench Retail 上的測試顯示，在各類壓縮方案中，該方法達到了最穩定的完成率，接近未壓縮執行的基準水平。