开源动态7

清华开源CoACT：Agent省33% token

机器之心2026-11-13

AI 摘要

清华开源 CoACT。在 SWE-bench 上，环境反馈写入上下文前压缩，使三个编程 Agent 的总 token 消耗平均减少 33%。

以压缩后 Agent 下一步动作不变为筛选标准

仅在单步写入前压缩，不改写历史以复用 KV 缓存

压缩器基于 Qwen3.5-4B，代码已开源

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

调优Agent技能：三层架构省80% Token

某AI投研平台4天生成37个技能后，遭遇路由混淆与上下文爆炸。团队将其重构为三层架构，单技能上下文从约6000降至约1200 Token，意图准确率达92.5%。

清华与 UC 伯克利开源机器人智能体框架 uni-robot-agent。开源模型 Qwen 搭配该框架在 RoboDojo 评测中拿下 31.39 分反超 GPT-6 Astra，单局成本仅为其二十分之一。

清华姚期智团队提出代数世界模型（AWM），让 AI 探索陌生环境规律，并用 Lean 4 严格证明任务无解。在 ARC-AGI-3 关卡中全部构造出可独立检查的封闭证明。

清华大学等团队在《自然·通讯》发表研究，将 1000 个大模型连入网络自由交流，中立观点在不到 10 轮互动后急剧萎缩至最低 0.4%，自发分化成对立阵营。