# PAIR 框架针对长流程智能体上下文压缩失效问题展开优化

一项研究提出 PAIR 方法，通过在完全相同的状态下反事实重放智能体，精准定位有害的上下文压缩事件并重写压缩提示词。

Language: zh-CN
Time zone: Asia/Shanghai

HTML: https://didcodexreset.com/zh/news/5b7d58159c004f4b9b03a90e.html

Content language: zh-CN
Localization state: translated

来源：DAIR.AI · 发布于 2026/10/6 08:24:59

DAIR.AI 重点介绍的一篇[研究论文](https://arxiv.org/abs/2609.36526)探讨了长流程智能体的性能瓶颈，发现成功率大幅下滑主要源于少数具体的压缩事件，而非渐进式的性能衰退。有害的压缩通常会丢弃未完成的任务判定标准，或将具体的技术规范简化为模糊表述，迫使智能体重复进行 API 认证和文档查阅。

为解决这些失效问题，研究人员提出了 PAIR。该方法无需对比包含过多干扰的完整运行记录，而是从同一执行状态出发，分别在存在与不存在特定压缩事件的情况下重放智能体。在保持智能体模型、压缩器和工具接口不变的前提下，PAIR 可以诊断具体缺失的上下文，并针对性地重写压缩提示词的相关部分。在 AppWorld、OfficeBench 和 tau-Bench Retail 上的测试表明，在各类压缩方案中，该方法实现了最稳定的完成率，接近未压缩执行的基准水平。

Tags: AI 智能体, 上下文压缩, 基准测试

[查看主帖原文](https://x.com/dair_ai/status/2107264582687584567)