通用自進化Agent新突破：30k上下文夠了，token消耗也下降近9成
技術核心：最大化上下文資訊密度
該研究提出一種將上下文資訊密度最大化的技術方法，有效提升模型在處理長上下文任務時的表現，同時大幅降低token消耗。
性能優勢
- 任務完成率：在多種任務情境下，GA的任務完成率超越主流Agent系統。
- 工具使用效率：工具調用的效率與準確性顯著提升。
- 記憶有效性：模型對歷史資訊的記憶與重用能力更強。
- 自進化能力：系統能根據任務內容自動優化自身行為，實現持續進化。
- 網頁瀏覽效能：在處理網頁內容時，GA能更精準地抓取關鍵資訊，減少無效瀏覽。
資源消耗
與傳統Agent系統相比，GA在執行過程中所消耗的token數量減少近90%，且交互輪數也明顯降低，大幅提升了運行效率。