ContextPilot:通过主动内存管理,8B模型以32K上下文超越自身128K版本

来自清华大学、腾讯优图实验室和上海人工智能实验室的研究人员提出了ContextPilot,这是一个使智能体能够主动管理上下文的框架。它增加了规划、长期记忆和软卸载工具。监督微调数据由Qwen3.5-397B教师模型合成,经过筛选得到约3000条长度在32K以内的轨迹。核心强化学习方法利用上下文感知的部分回滚,将探索预算分配给关键的编辑动作,并采用细粒度信用分配,对快照的所有后续续写进行分数平均。ContextPilot-8B-RL在长文档问答中平均得分69.4,超越了128K窗口的Qwen3-8B(45.9)和StateLM-8B-RL,领先3.6分。在更困难的任务(如BrowseComp+)上提升更大,达到+5.3分。消融实验表明,长期记忆贡献最大,而细粒度信用分配是最有效的强化学习改进。