Context Management Token Optimization Agentic Coding
摘要

针对智能体编程中成本高昂和令牌浪费的问题,本文提出Blast Radius,一种预测性记忆管理层。该机制通过耦合上下文和代码通道来估算输入提示的影响范围。引入NECROPHORESIS实现可逆驱逐,通过归档死上下文保持原样;利用RDM(重复死物)识别并埋藏反复出现的转录内容。我们在波兰上下文空间中对可逆上下文驱逐进行了建模,为保留、复发和驱逐提供了可测量的基础,并将上下文熵与复活概率联系起来。在七个OpenAI模型上的实验表明,Blast Radius将令牌消耗降低了17-26%,实现了最低的溢出率,并保持字节精确的可逆性。

AI 推荐理由

论文核心提出预测性记忆管理层,通过上下文回收和死数据识别优化长期记忆存储与检索效率。

研究机构
Algorithm Reconnaissance Division Mankind Research Labs, Sandton North-West University, RSA University of Pretoria, RSA
论文信息
作者 MY Pitsane, Hope Mogale
发布日期 2026-08-07
arXiv ID 2608.07440
相关性评分 9/10 (高度相关)