模型的记事本，得让模型自己拿橡皮
长跑任务的智能体都有一本记事本：上下文窗口。记事本不够大，任务又跑得久，于是一个行业冒了出来——上下文管理。今天的通行做法是给智能体外挂一个管家：到点了就摘要压缩，或者提供几个受限的工具让模型调用「保存这条、删掉那条」。
模型的记事本，得让模型自己拿橡皮
长跑任务的智能体都有一本记事本：上下文窗口。记事本不够大，任务又跑得久，于是一个行业冒了出来——上下文管理。今天的通行做法是给智能体外挂一个管家：到点了就摘要压缩，或者提供几个受限的工具让模型调用「保存这条、删掉那条」。
华盛顿大学和 Meta 超级智能实验室的论文换了套思路：别外挂管家了，把记事本直接交给模型。上下文当成一个文件，模型既能往上写字，也能用 Bash 随意编辑——删一段、改一段、重组一段，随便。每次编辑立即生效，下一轮的活上下文就是编辑后的版本。
这个设计直接对标的是领域里一个隐含假设：上下文由外部框架固定管理才安全、才可控。论文的实验结果把这个假设掀了：零样本构造（用现成模型、不重训），浏览任务准确率高 11.4%、算力反而省 21.5%；十二小时的边缘任务分数高 5%、算力省 59%；二十四小时多仓库的智能体集群任务，同样的算力多涨 65%。三个基准，一个共同形状：管得更好和花得更少同时发生——会删的模型，把算力从重新读旧东西里省出来了。
放手之后长出来的东西
论文引用了辛顿那篇著名的短文《苦涩的教训》当理论底：几十年人工智能史反复证明，靠人类先验设计的精巧结构，最后都输给「给模型更大的搜索和学习空间」。上下文管理是这块拼图上少数还没被验证过的角落——大家默认这里必须人类管，因为不管就会乱。
结果放手之后，论文观察到「自适应和有创造性的上下文管理策略自发涌现」。比如模型自己发明了把任务说明和阶段性结论分区存放的格式，自己决定哪些工具输出看完就删、哪些留档。
更进一步，上下文管理变成了可以被训练和被遗传的行为。两个方向都验证了：一是上下文内学习——用自然语言指令告诉模型怎么管上下文，指令经过一轮技能优化循环的进化，留出集准确率最高涨 35.9 个点；二是强化学习——奖励省算力的成功轨迹，Qwen3.5-9B 在浏览任务上从 28.8% 涨到 42.5%（相对提升 47.6%），比同配方训练的摘要式外挂管家高 0.4 个点，算力还少用 38.8%。
对比的基准不是稻草人。「摘要管家」是 Codex 风格的系统——今天智能体产品的标配。被比下去的不是弱者，是行业现行的最优实践。
三个诚实的技术备注
这篇论文值得信的部分，包括它自己交代的三件事。
第一，安全是个真问题，没解决。可编辑的上下文等于给提示注入开了一条新通道——恶意指令一旦写进上下文文件，会在后续轮次里持续生效。论文引了已有观察：压缩摘要里出现过模型自己插入未授权指令的案例。给模型橡皮，也给了它在自己的记事本上写歪门邪道的能力。
第二，随意编辑打破了现有推理系统的缓存逻辑。今天的服务系统按「前缀匹配」复用缓存，你在中间改一个字，后面全部重算。论文为此设计了一套后缀缓存复用，把改动位置之后需要重算的部分尽量接上旧缓存——实测服务端算力比标准 SGLang 少 35%，但作者自己承认这是经验上保性能，不是数学上无损。
第三，训练信号里埋了一个巧思：奖励函数不只看任务成败，还看轨迹花了多少算力——成功且省钱的轨迹才得分。这个设计本身可能比模型架构更有参考价值：凡是想让模型学会省资源的场景，都可以抄。
从管家到肌肉
这个工作在更大的图里占的位置值得多说一句。过去两年「智能体框架热」的共识是：上下文管理、记忆、技能编排这些事，放在模型外面的代码里做，可靠、可控、可迭代——模型只管调用。这篇论文把其中一块（上下文）从代码搬回了模型，用数据说明搬回去之后更好。
两个方向都真实存在：有些能力外置更稳（今天的多数工具），有些能力内置后才学得深（这篇的上下文管理）。分界线在哪，现在的答案越来越清楚：看这项能力是不是需要和模型的生成行为深度耦合。摘要删什么，取决于模型接下来打算干什么——这种决策外挂的管家做不好，因为它不知道模型在想什么。
记事本终究是给模型自己用的。用什么字体、撕掉哪页，主人的手感比管家的规矩管用。
*信源：arXiv 2609.37725（2026-09-29），Context Language Models；华盛顿大学×Meta 超级智能实验室×MIT，Rulin Shao 通讯（rulin@cs.washington.edu）；代码 facebookresearch/context-language-models（743★）；零样本构造基于现有模型，RL 基于 Qwen3.5-9B；基准 BrowseComp-Plus、EdgeBench（12 小时）、Software World（24 小时多仓库）；ContextBench 为论文自带诊断基准。*