論文の概要: What Does Context Compression Cost an Agent? Interaction Costs Unrevealed by Task-Completion Metrics
- arxiv url: http://arxiv.org/abs/2608.16370v1
- Date: Mon, 17 Aug 2026 10:21:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.633153
- Title: What Does Context Compression Cost an Agent? Interaction Costs Unrevealed by Task-Completion Metrics
- Title（参考訳）: コンテクスト圧縮のコストとエージェントのコスト : タスク・コンプリート・メトリクスによる相互作用のコスト
- Abstract要約: ツール使用エージェントのコストを節約するための制御されたランタイム計測プロトコルを提案する。
我々は、圧縮の重大度を変化させ、ドロップ演算子とファクト取得演算子を比較し、制御されたオラクル介入を通じてドロップ状態の復元を行い、ツールコールを検索と実行に分解する。
全体として、圧縮は実行関連状態が欠落し再取得されなければならない場合に、隠れたインタラクションコストを課す可能性がある。
- 参考スコア（独自算出の注目度）: 0.913755431537592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Task completion is the standard metric for evaluating context compression, yet it is incomplete: compression can increase an agent's interaction cost by forcing it to reacquire dropped state while leaving completion statistically unchanged. We introduce a controlled runtime measurement protocol for reacquisition cost in a bounded-horizon tool-using agent. The agent acts in a deterministic planning environment under a fixed 24-turn horizon. We vary compression severity, compare a dropping operator with a fact-preserving operator, restore dropped state through controlled oracle interventions, and decompose tool calls into retrieval and execution. We evaluate three models across two task regimes. Retrieval calls increase in all six model-regime comparisons and account for almost all added interaction; five of six remain significant after Holm correction. At the prespecified 5x comparison point, completion changes are not significant in any cell. DeepSeek shows a significant completion drop only at 10x compression. GPT-5.5 is the clearest case: completion changes from 80% to 85% (p = 1.0) while retrieval increases from 21.0 to 63.9 calls (p = .002). Retention interventions further separate state quantity, state type, and content validity. Random selection is comparable to an offline hindsight oracle, while replacing retained D-state with semantically irrelevant content increases retrieval by 57% (p < .001) without a significant completion change. In a second environment, ALFWorld, sliding compression produces no retrieval surge, showing that the reacquisition signature is environment-dependent rather than intrinsic to shortening context. Overall, compression can impose hidden interaction costs when execution-relevant state becomes absent and must be reacquired, while completion alone may not expose those costs.
- Abstract（参考訳）: タスク補完は、コンテキスト圧縮を評価するための標準的な指標であるが、不完全である: 圧縮は、完了を統計的に変化させることなく、ドロップした状態を再取得するように強制することで、エージェントの相互作用コストを増大させることができる。
本稿では,有界水平ツール利用エージェントにおける再取得コストの制御型ランタイム計測プロトコルを提案する。
このエージェントは、24ターンの固定地平線の下で決定論的計画環境に作用する。
我々は、圧縮の重大度を変化させ、ドロップ演算子とファクト保存演算子を比較し、制御されたオラクル介入を通じてドロップ状態の復元を行い、ツールコールを検索と実行に分解する。
2つのタスク・システマティクスにまたがる3つのモデルを評価する。
検索コールは6つのモデル・レジーム比較で増加し、ほぼ全ての追加の相互作用を考慮に入れた。
予め規定された5x比較点では、どの細胞においても完成度の変化は重要ではない。
DeepSeekは10倍の圧縮しか完了しない。
GPT-5.5は最も明確なケースである: 完了率は80%から85%(p = 1.0)に、一方、検索は21.0から63.9コール(p = .002)に増加する。
保持介入はさらに、状態量、状態タイプ、およびコンテンツ妥当性を分離する。
ランダムセレクションはオフラインの後見オラクルに匹敵するが、保持されているDステートを意味的に無関係な内容に置き換えることで、大幅な完了変更なしに検索を57%増加させる(p < .001)。
第2の環境であるALFWorldでは、スライディング圧縮は検索サージを発生させず、再取得シグネチャは、コンテキストの短縮に固有のものではなく、環境依存であることを示す。
全体として、圧縮は実行関連状態が欠落して再取得されなければならない場合に隠れた相互作用コストを課すことができる。
関連論文リスト
- TRACER: Per-Tool Context Retention for LLM Agents via Consequence-Attributed Reinforcement Learning [8.886237275784852]
既存の圧縮戦略では、個々のツール出力の削除によるダウンストリームの結果を考慮せずに、保持予算を割り当てている。
そこで, TRACERを提案し, 圧縮を逐次的なツールごとの決定問題として定式化する。
論文 参考訳（メタデータ） (2026-08-29T16:50:44Z) - The Sleeping Agent: What Gist-Based Context Compression Loses and Why [0.0]
生体にインスパイアされた圧縮フレームワークは、睡眠ベースのメモリ統合によって動機付けられたもので、圧縮がいつ助けられ、いつ傷つくかを研究する。
ギスト圧縮は,マルチホップ推論や単一ホップの事実質問において,トランケーションを著しく上回ることがわかった。
gistの抽象化は、日付と時間を破棄しながら、リレーショナルとイベント構造を保存する。
論文 参考訳（メタデータ） (2026-08-12T08:19:15Z) - Control Under Compression: Reliability Frontiers for Tool-Using Agents [0.0]
ACC圧縮のための環境検証ベンチマークであるCompressAgentを紹介する。
75%の保持状況では、汎用的な書き換えとセクションベースの圧縮が92.7%、92.4%の成功を収めている。
25%から10%の継続コンテキスト予算では、実行可能なプロトコルは脆弱になる。
論文 参考訳（メタデータ） (2026-08-02T07:43:44Z) - Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。
Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。
500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
論文 参考訳（メタデータ） (2026-08-01T18:25:00Z) - CoACT: Action-Preserving Observation Compression for Coding Agents [8.484842324052751]
本稿では,符号化エージェントの動作保存型観測圧縮手法であるCoACTを提案する。
CoACTは、生の観測と同じ次のアクションを誘導するために圧縮された観察を必要とする、次のアクション保存(NAP)上に構築されている。
3つのエージェントモデルで検証されたSWEベンチ実験の結果,CoACTは平均トークン消費量を33.0%削減することがわかった。
論文 参考訳（メタデータ） (2026-07-03T03:17:52Z) - A Cost-Aware, Paired Protocol for Auditing Dynamic Tool Synthesis in Agentic Video Question Answering [2.1096366377985185]
Agentic Video Questioning (VideoQA) システムは推論中にツールを呼び出すが、ツールライブラリは修正されている。
本稿では,ツール拡張ビデオエージェントの監査のための費用対プロトコルを提案する。
論文 参考訳（メタデータ） (2026-07-01T21:01:57Z) - Planning-aligned Token Compression for Long-Context Autonomous Driving [95.59023657139208]
条件付きVQ-VA上に構築した計画整合型ワーキングメモリフレームワークを提案する。
圧縮は歴史的軌跡と学習した計画意図の両方で条件付けられている。
歴史的文脈が行動の正確性に最も重要となる高信号動的シナリオについて評価する。
論文 参考訳（メタデータ） (2026-06-05T17:16:21Z) - Towards Retrieving Interaction Spaces for Agentic Search [62.666902610940525]
最近の直接コーパス(DCI)の研究は、エージェントが5.4のインタラクションやファイル読み取りといったシェルツールを通じて生コーパスと対話できることを示している。
エージェント検索における検索の役割は, LLMコンテキストウィンドウに適合する文書を選択することだけではなく, インタラクション空間を構築することにある。
論文 参考訳（メタデータ） (2026-06-05T03:47:40Z) - Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。
EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
論文 参考訳（メタデータ） (2026-05-28T09:45:47Z) - Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses [57.20181537213498]
Agentic Harness Engineering (AHE)は、ハーネスエンジニアリングを自動化するクローズドループである。
AHEは3つの一致した可観測性柱を通じて課題に対処する。
10 AHE lift pass@1 on Terminal-Bench 2 from 69.7% to 77.0%。
SWE-bench-verifiedでは、種子よりも12%少ないトークンで合計成功率を上回り、ターミナルベンチ2では+5.1から+10.1ppのクロスファミリーゲインを得る。
論文 参考訳（メタデータ） (2026-04-28T16:55:02Z) - Once-for-All Sequence Compression for Self-Supervised Speech Models [62.60723685118747]
自己教師型音声モデルのための一括圧縮フレームワークを提案する。
このフレームワークは様々なタスクで評価され、固定圧縮率の変種と比較して限界劣化を示す。
また、適応圧縮率学習についても検討し、グリッド探索を必要とせず、タスク固有の好ましいフレーム期間を選択する能力を示す。
論文 参考訳（メタデータ） (2022-11-04T09:19:13Z)
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。