一篇值得密切關注的論文。 它提出了無損上下文管理（LCM），重新定義了代理如何處理長上下文。 在長上下文任務中，它的表現超越了Claude Code。 遞歸語言模型賦予模型完全的自主權來編寫自己的記憶腳本。LCM則收回這種權力，將其交給一個確定性引擎，該引擎將舊消息壓縮成層次化的有向無環圖（DAG），同時保留對每個原始消息的無損指針。理論上表達能力較弱，但在實踐中更可靠。 結果： 他們的代理（Volt，使用Opus 4.6）在OOLONG基準測試中，在32K到1M標記的*每一*上下文長度上都超越了Claude Code。與Claude Code的+24.7相比，平均提高了29.2分。隨著上下文的增長，差距擴大。 這一含義是我們從軟體工程歷史中不斷重新學習的：你如何管理模型所見的內容，可能比給模型工具來自行管理更為重要。每個隨著「讓模型自己搞定」記憶策略發貨的代理框架，可能完全建立在錯誤的抽象之上。 論文： 在我們的學院學習如何構建有效的AI代理：