# UT Austin 研究发现，削减 token 的上下文压缩可能拖慢编码智能体

UT Austin 一项研究在 SWE-bench Verified 和 Terminal-Bench 上运行了近 35,000 次编码智能体任务，分别改变上下文如何压缩、何时触发压缩以及压缩掉多少内容。在 Qwen 的 Terminal-Bench 上，只使用约三分之一 token 的策略，耗时可能比保留完整上下文多 20% 到 80%。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-22T13:08:00.000Z
Query date (Asia/Shanghai): 2026-11-22

HTML: https://didcodexreset.com/zh/news/3c9d93cf024f452e82fa8f86.html

Content language: zh-CN
Localization state: translated

来源：elvis · 发布于 2026/10/5 10:23:39

UT Austin 一项关于编码智能体上下文压缩的研究，在 SWE-bench Verified 和 Terminal-Bench 上进行了近 35,000 次智能体运行。研究分别改变了三个决策：上下文如何压缩、压缩何时触发，以及压缩掉多少内容。elvis 报告称，在 Qwen 的 Terminal-Bench 上，使用约三分之一 token 的策略，耗时可能比保留完整上下文多 20% 到 80%。

按步触发的策略每步削减的 token 最多，但需要多 10% 到 27% 的模型调用。阈值触发的策略削减 22% 到 55% 的 token，调用次数接近保留完整上下文。结果也因模型而异：elvis 表示，一个对 Qwen 效果很好的策略，会使 Devstral 降到 38.7% 并变慢，因此选择策略前应针对每个模型测量延迟和成本。论文是 [Beyond Token Savings: A Systematic Study of Context Compression in LLM Agents](https://arxiv.org/abs/2609.32961)。

Tags: 上下文压缩, 编码智能体, UT Austin, SWE-bench, Terminal-Bench

[查看主帖原文](https://x.com/omarsar0/status/2106927371366596692)
