通过上下文折叠扩展长视界 LLM 代理

大型语言模型 (LLM) 代理在长时任务中受到上下文长度的根本性限制。我们引入了上下文折叠 (Context-Folding) 框架，该框架使代理能够主动管理其工作上下文。代理可以程序化地分支到子轨迹以处理子任务，然后在完成时将其折叠，在保留简洁结果摘要的同时折叠中间步骤。为了使这种行为可学习，我们开发了一个端到端的强化学习框架 FoldGRPO，其中包含特定的过程奖励，以鼓励有效的任务分解和上下文管理。在复杂的长时任务（Deep Research 和 SWE）上，我们的折叠代理在上下文使用量小10倍的情况下，性能与 ReAct 基线相当或更优，并且显著优于依赖基于摘要的上下文管理的模型。