论文 VISTA：让工具智能体“看见自己的上下文”——不训练也能自管理记忆

问题：模型对自己的上下文“本体盲视”

长程工具智能体的瓶颈，在于上下文不断膨胀逼近窗口上限。近来的系统把上下文管理交给智能体或系统层，但要么学一个会“丢证据”的压缩策略，要么在智能体看不见的层里管理。这篇论文（arXiv:2606.30005）指出一个更基础的缺口：前沿模型对自己的上下文是“本体盲视（proprioceptively blind）”的——仅从 prompt，它看不到每一块上下文有多大、多旧、被用过几次，而这些正是“保留还是丢弃”所需的信号。

假设：能力已在，缺的是“接口”

作者的核心假设是：称职的上下文管理能力其实已潜藏在强模型里，缺的不是一个学出来的策略，而是一个把这些状态暴露出来的接口。

方法：VISTA——可见的内部状态

VISTA（Visible Internal State for Tool Agents）是一个免训练、模型无关的层：

• 把工作记忆表示为有类型、可寻址的块（typed, addressable blocks）；
• 给出一个运行时仪表盘，展示每块的 token 用量、新近度、访问历史；
• 把块归档为可完整恢复的载荷（丢弃后仍可找回，不丢证据）。

在 LOCA-Bench、BrowseComp-Plus、GAIA 三个基准上，这套同一个未经训练的接口就能让模型自行做出更好的上下文取舍。VISTA 的意义在于：把“上下文管理”从“再训一个策略”降维成“给模型一块可见的状态仪表盘”，让模型用自己已有的能力去管理记忆——对做长程 Agent 的工程实践很有借鉴。