Berkeley AI Research 提出 ABBEL：用信念状态替代递归摘要，提升 LLM 长程交互效率
Berkeley AI Research 提出 ABBEL 框架，将摘要的信息内容隔离并以自然语言"信念状态"（belief states）形式进行监督，用信念替代完整交互历史作为智能体的工作上下文，并通过信念评分提升性能。该方法针对递归摘要（即上下文压缩）在长程任务中性能损失显著的问题，尤其适用于协作代码生成等高质量数据稀缺的人类辅助场景。
#Agent
Berkeley AI ResearchAI 评分4242
Berkeley AI ResearchAI 评分3838 智能免费时代，数据系统如何为智能体、由智能体、属于智能体而建？
随着推理成本快速下降，GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商甚至低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间，中位数约 50x。