AgentSwing：面向长程 Web 智能体的自适应并行上下文管理路由

随着大语言模型演变为长程信息搜索的自主智能体，有限的上下文容量成为关键瓶颈。现有方法通常采用固定策略，无法适应上下文具用性与可靠性的动态变化。为此，本文提出概率框架刻画搜索效率与终端精度，并设计 AgentSwing：一种状态感知的自适应并行上下文管理路由框架。该框架在触发点并行扩展多个上下文分支，利用前瞻路由选择最优延续。实验表明，其在减少交互轮次的同时显著提升了长程 Web 智能体的性能上限。