arXiv · cs.AI · Matthew Ho, Chenglong Wang, Baolin Peng, Nebojsa Jojic, Philippe Laban, Michel Galley, Jianfeng Gao, Lianhui Qin · 12 小时前模型评分48
AC3：面向多轮人机对话的智能体上下文管理方法
Agentic Context Management for Multi-Turn Human-AI Conversations
导读
研究者提出免训练的智能体对话上下文整理方法 AC3，由独立分析器仅从用户消息整理任务规范、审查助手此前输出并改写上下文。在 Lost in Conversation 上，AC3 在四项任务中的三项弥补了完整上下文与丢弃全部助手消息之间 55-84% 的差距，第四项超过后者。在真实 WildChat 对话中，GPT-5-mini 评判器在所有配置下都更偏好 AC3 生成的下一轮回复。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose Agentic Conversation Context Curation (AC3), a training-free method in which a separate analyzer (1) consolidates the task specification from the user's messages alone, (2) audits the assistant's prior outputs against it, and (3) edits the context, either appending the analysis or discarding the assistant side and rebuilding the context from the specification.”
来源：arXiv · cs.AI · arxiv.org