論文の概要: ContextBudget: Budget-Aware Context Management for Long-Horizon Search Agents

• arxiv url: http://arxiv.org/abs/2604.01664v1
• Date: Thu, 02 Apr 2026 06:09:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.47247
• Title: ContextBudget: Budget-Aware Context Management for Long-Horizon Search Agents
• Title（参考訳）: ContextBudget: 長期検索エージェントのための予算を考慮したコンテキスト管理
• Abstract要約: Budget-Aware Context Management (BACM) は、コンテキスト予算の制約を伴うシーケンシャルな決定問題としてコンテキスト管理を定式化する。 BACM-RLは、様々な文脈予算の下で圧縮戦略を学習するエンドツーエンドのカリキュラムベースの強化学習アプローチである。
• 参考スコア（独自算出の注目度）: 26.309035432040236
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM-based agents show strong potential for long-horizon reasoning, yet their context size is limited by deployment factors (e.g., memory, latency, and cost), yielding a constrained context budget. As interaction histories grow, this induces a trade-off between retaining past information and staying within the context limit. To address this challenge, we propose Budget-Aware Context Management (BACM), which formulates context management as a sequential decision problem with a context budget constraint. It enables agents to assess the available budget before incorporating new observations and decide when and how much of the interaction history to compress. We further develop BACM-RL, an end-to-end curriculum-based reinforcement learning approach that learns compression strategies under varying context budgets. Experiments on compositional multi-objective QA and long-horizon web browsing benchmarks show that BACM-RL consistently outperforms prior methods across model scales and task complexities, achieving over $1.6\times$ gains over strong baselines in high-complexity settings, while maintaining strong advantages as budgets shrink, where most methods exhibit a downward performance trend.
• Abstract（参考訳）: LLMベースのエージェントは、長期の推論に強い可能性を示すが、そのコンテキストサイズは、デプロイメント要因(例えば、メモリ、レイテンシ、コスト)によって制限され、制約のあるコンテキスト予算が得られる。 インタラクション履歴が大きくなると、過去の情報を保持することとコンテキスト制限内に留まることの間のトレードオフが引き起こされる。 この課題に対処するため、コンテキスト予算制約を用いてコンテキスト管理を逐次決定問題として定式化するBudget-Aware Context Management (BACM)を提案する。 エージェントは、新しい観測を取り入れる前に利用可能な予算を評価し、いつ、どのくらいのインタラクション履歴を圧縮するかを決定することができる。 さらに,様々な文脈予算の下で圧縮戦略を学習する,エンドツーエンドのカリキュラムベースの強化学習手法であるBACM-RLを開発した。 構成的多目的QAと長期のWebブラウジングベンチマークの実験では、BACM-RLはモデルスケールやタスクの複雑さにまたがる先行メソッドを一貫して上回り、1.6\times$は高複雑さな設定で強いベースラインを上回り、予算が縮小するにつれて強力なアドバンテージを維持し、ほとんどのメソッドは下向きのパフォーマンス傾向を示す。

関連論文リスト

• ACM: Agentic Context Management for Long Horizon Tasks [27.337726990282928]
  Agentic Context Management (ACM) は、エージェントに汎用的なコンテキスト編集ツールを提供するフレームワークである。 短期記憶と長期記憶の相互作用にインスパイアされたエージェントは、いつそのコンテキストを圧縮するかを自律的に決定する。
  論文  参考訳（メタデータ） (2026-07-26T19:19:24Z)
• Learning Agent-Compatible Context Management for Long-Horizon Tasks [79.09330817637205]
  フリーズエージェントのコンテキストを管理するために外部LLMをトレーニングするAdaptive Context Management (AdaCoM)を導入する。 AdaCoMは、静的なコンテンツをプルーニングしながらタスク制約と進捗を保ち、パフォーマンスを大幅に改善する。 学習した戦略は、忠実度-信頼性のトレードオフを明らかにしている: よりバニラリアクトなパフォーマンスを持つエージェントは、高忠実度コンテキストの保存から恩恵を受ける一方、低いパフォーマンスのエージェントは、信頼できる推論体制内に留まるためにより攻撃的な圧縮を必要とする。
  論文  参考訳（メタデータ） (2026-05-29T03:21:08Z)
• AIPO: Learning to Reason from Active Interaction [54.10819421625103]
  AIPOは、ポリシーモデルが、推論ボトルネックに遭遇するときに、3つの機能的協調エージェントを積極的に相談することを可能にする。 AIPOは推論性能を継続的に改善し、異なるポリシーモデルとRLVRアルゴリズムをまたいで堅牢に一般化し、ポリシーモデルの推論能力境界を効果的に拡張する。
  論文  参考訳（メタデータ） (2026-05-08T19:06:55Z)
• Spend Less, Reason Better: Budget-Aware Value Tree Search for LLM Agents [40.18150559561834]
  Budget-Aware Value Tree (BAVT) は、動的検索ツリーとしてマルチホップ推論をモデル化するトレーニングフリーの推論時間フレームワークである。 BAVTは一貫して並列サンプリングベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-03-13T04:10:27Z)
• Learning Query-Aware Budget-Tier Routing for Runtime Agent Memory [56.0946692457838]
  BudgetMemは、明示的でクエリ対応のパフォーマンスコスト管理のためのランタイムエージェントメモリフレームワークである。 軽量ルータは、タスク性能とメモリ構築コストのバランスをとるために、モジュール間の予算層ルーティングを実行する。 LoCoMo、LongMemEval、HotpotQAの他、BudgetMemはパフォーマンスが優先されるときに、強力なベースラインを超える。
  論文  参考訳（メタデータ） (2026-02-05T18:57:09Z)
• ESearch-R1: Learning Cost-Aware MLLM Agents for Interactive Embodied Search via Reinforcement Learning [40.2017873619555]
  ESearch-R1はコスト認識型推論フレームワークである。 対話型対話(Ask)、エピソードメモリ検索(GetMemory)、物理ナビゲーション(Navigate)を単一の決定プロセスに統合する。 総運用コストを約50%削減し、タスク成功率を向上させる。
  論文  参考訳（メタデータ） (2025-12-21T02:45:08Z)
• Scaling Long-Horizon LLM Agent via Context-Folding [46.685552398338295]
  エージェントが作業コンテキストを積極的に管理することを可能にするフレームワークであるContext-Foldingを紹介します。 エージェントは、サブトラックに手続き的に分岐してサブタスクを処理し、完了時に折り畳み、結果の簡潔な要約を保持しながら中間ステップを崩壊させる。
  論文  参考訳（メタデータ） (2025-10-13T22:00:58Z)
• BudgetThinker: Empowering Budget-aware LLM Reasoning with Control Tokens [33.607723102172194]
  BudgetThinkerは、予算を考慮した推論で大規模言語モデルを強化するために設計されたフレームワークである。 我々は、BudgetThinkerが、様々な推論予算におけるパフォーマンス維持において、強力なベースラインをはるかに上回っていることを示す。
  論文  参考訳（メタデータ） (2025-08-24T03:17:50Z)
• QwenLong-L1: Towards Long-Context Large Reasoning Models with Reinforcement Learning [80.26953590563232]
  我々は、長文推論RLのパラダイムを定式化し、最適な訓練効率と不安定な最適化プロセスにおける重要な課題を特定する。 QwenLong-L1 は,コンテクストをプログレッシブ・コンテクスト・スケーリングにより長文シナリオに適応させるフレームワークである。 QwenLong-L1-32B は OpenAI-o3-mini や Qwen3-235B-A22B といったフラグシップ LRM よりも優れていた。
  論文  参考訳（メタデータ） (2025-05-23T09:31:55Z)
• Scalable Chain of Thoughts via Elastic Reasoning [61.75753924952059]
  Elastic Reasoningは、スケーラブルな思考の連鎖のための新しいフレームワークである。 推論は、独立して割り当てられた予算で、思考と解決の2つのフェーズに分けられる。 我々のアプローチは、制約のない設定でもより簡潔で効率的な推論をもたらす。
  論文  参考訳（メタデータ） (2025-05-08T15:01:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。