Decision-Aware Memory Cards: Counterfactual-Inspired Context Selection and Compression for Tool-Using LLM Agents
现代大型语言模型（LLM）智能体需要决策相关证据而非仅长上下文。研究人员提出决策感知上下文选择方法，按其对智能体下一步行动的预期效果而非语义相似度对检索文件、测试、痕迹、规则和记忆进行排序。他们展示了反事实启发的上下文层（CICL），构建实例上下文图，估算候选单元的决策导向效用，并将选定证据压缩为类型化记忆卡片。该协议支持托管 LLM 裁判、本地代理或轻量级排名器，实现跨模型的可审计性。在 50 个 SWE-bench Verified 文件检索实例上，Qwen3.6-Plus 对 BM25 前 50 候选的重新排序将 hit@1 从 0.58 提升至 0.78，MRR@10 从 0.634 提升至 0.790，所有 2,500 个判断均可解析。受控诊断显示 CICL 识别行动关键证据：移除最高效用语义单元使…