知识卡片：AutoCompact：面向长程编码智能体的上下文压缩时机学习

一句话结论

AutoCompact 将“何时压缩上下文、保留什么工作状态、压缩后如何继续”纳入编码智能体的策略训练，并在 SWE-bench Verified 与 SWE-PolyBench Verified 上分别比 base model 绝对提升 9.2% 和 5.0% 的通过率。

事件概述或研究问题

仓库级软件工程任务通常需要编码智能体进行长时间的代码检查、搜索、编辑和测试。随着任务推进，早期探索信息会变得过时，因此上下文管理不只是避免溢出，还要求智能体决定何时压缩、保留哪些工作状态、以及如何从压缩后的状态继续执行。AutoCompact 研究的是：能否训练编码智能体把这些压缩决策作为自身策略的一部分。

方法/产品要点

• AutoCompact 训练编码智能体在策略中做出上下文压缩相关决策。
• 训练数据收集方式：先让 base agent 在编码任务上运行，再用 judge 审查其压缩决策、摘要以及压缩后的动作。
• 有缺陷的输出会在环境中执行前被替换为纠正版本，使每条轨迹从纠正后的决策继续。
• 使用这些轨迹进行 supervised fine-tuning，然后通过 reinforcement learning 与 task-success rewards 联合优化编码和压缩。
• 材料提到在 256K 上下文窗口下从未溢出；在 16K 窗口下，溢出会触发 fallback compaction。

主要结果或产业意义

• 在 SWE-bench Verified 上，AutoCompact 相对 base model 的通过率绝对提升 9.2%。
• 在 SWE-PolyBench Verified 上，绝对提升 5.0%。
• 材料称这些改进在所有已评估的推理预算下都成立。
• 若结果可复现，对需要长程代码检索、编辑与测试的智能体系统有直接意义：上下文预算和状态管理通常是长程任务的关键工程瓶颈。

为什么重要

与已有相关卡片中的 CompactionRL 等方向相比，本条不重复其部署细节；增量信息在于：AutoCompact 明确把 compaction 的“时机、保留状态、续接方式”作为策略学习目标，并用 judge 纠错后的轨迹做 SFT，再用任务成功奖励做 RL。它把上下文压缩从外部预处理或固定策略，推进为编码智能体可训练行为的一部分。同时，在 256K 与 16K 窗口、不同推理预算下的表现，说明该方法关注的是长程任务中的稳定性，而不只是单一长度设置下的分数。

局限与不确定性

• 当前材料为 arXiv 摘要与元数据，模型基座、参数规模、训练数据规模、任务数量、SFT/RL 超参数等细节待核实。
• judge 的模型、评审标准、纠错流程如何保证正确性、是否引入偏差，待核实。
• reinforcement learning 的具体算法、奖励构成、是否包含长度惩罚或其他约束，待核实。
• 是否开源代码、数据、权重，以及复现成本，待核实。
• 除 SWE-bench Verified 和 SWE-PolyBench Verified 外，对其他仓库级任务、非编码任务、多语言、多轮工具使用的泛化能力，待核实。
• 256K 与 16K 实验的具体设置、fallback compaction 触发阈值、推理成本和延迟影响，待核实。
• 安全、隐私与生产部署影响，待核实。

可用于图书/PPT/简报的角度

• 把上下文管理从“截断/摘要”升级为可学习策略：何时压缩、保留什么、如何续接。
• 数据合成与纠错：用 judge 审查压缩决策，并在执行前替换为纠正版本，让轨迹从纠正决策继续。
• 两阶段训练范式：supervised fine-tuning 加 reinforcement learning，以任务成功奖励联合优化编码与压缩。
• 工程鲁棒性：不同推理预算与上下文窗口下的表现，256K 不溢出，16K 触发 fallback compaction。
• 与 CompactionRL 的脉络关系：从“从压缩历史中学习”延伸到“把压缩决策本身纳入策略”。

原始材料

• 英文标题：AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents
• 作者：Xuan Zhang, Longtao Zheng, Cunxiao Du, Bo An, Xin Dong
• arXiv ID：2610.02163v1
• 发布/更新：2026-10-01T17:54:34Z
• 分类：Primary category cs.CL；Categories cs.CL
• 英文关键词：long-horizon coding agents; context compaction; reinforcement learning; supervised fine-tuning; SWE-bench Verified; SWE-PolyBench Verified; fallback compaction
• Abstract URL：https://arxiv.org/abs/2610.02163v1
• PDF URL：https://arxiv.org/pdf/2610.02163v1