一分钟读论文：《智能体学会主动清空记忆》
内容提要
香港中文大学、腾讯与港科大提出CORAL方法，让智能体在关键节点存档进度、清空被污染上下文并开启新回合，并用MERPO强化学习训练该能力。8B模型在GAIA基准平均准确率达42.8%，提升集中于最难两档，输入token比ReAct少6-7倍，可泛化到多跳问答，在BrowseComp上助强模型提升8分。其启示是将清空上下文作为主动管理的一等动作。
延伸解读
主动清空与被动截断的关键区别
CORAL 的核心不是简单缩短上下文，而是让模型自己决定何时存档、清空并开新回合。与按固定长度滑动窗口或截断不同，清空时机和保留内容由模型判断，避免框架硬切丢掉关键事实。但论文也指出，预训练模型并不天生善用这个动作，乱清反而会丢失已验证信息，因此需要 MERPO 强化学习把该能力训进策略。
提升集中在长周期最难档位
GAIA 基准分三档难度，CORAL 训练的 8B 模型平均准确率 42.8%，提升主要集中在 Level 2 与 Level 3。这两档正是多步工具调用与网页检索的长周期分水岭，说明方法的价值不在简单任务上刷分，而是缓解上下文膨胀导致的注意力稀释。同时输入 token 比 ReAct 少 6-7 倍，干净上下文本身也构成成本优势。
对前沿模型同样有增量
CORAL 的能力可泛化到多跳 Knowledge QA，在更难的 BrowseComp 上让一个强的专有智能体提升 8.0 分。这意味着主动管理上下文不只适用于小模型，对前沿模型也有增益。不过论文标注的代码仓库实测返回 404，开源可用性需以作者后续发布为准，复现前应留意这一限制。
没有训练条件时的落地方式
论文的工程启示是：跑长任务时，与其指望模型在几十万 token 噪声里保持清醒，不如在框架或提示词中显式提供存档加开新回合的动作，并给出 checkpoint 模板，分别写清已验证事实、未决问题和下一步计划。没有强化学习训练条件的团队，可以用模板强制模型在每个阶段交一次答卷再轻装上阵，把上下文当作需要主动管理的资源。
Q&A
CORAL方法具体是怎么工作的？
CORAL让智能体在关键节点存档任务进度与已验证事实（checkpoint），然后重置被污染的上下文，只保留checkpoint信息开启新回合，从干净状态继续任务。何时清空、保留什么由模型自己决定，而非框架按固定长度硬切。
CORAL和传统的上下文截断或滑动窗口有什么区别？
传统方法是被动截断或滑动窗口，由框架按固定长度硬切；CORAL是主动清空，何时清、留什么由模型自己决定，并且通过强化学习训练模型学会在污染开始前动手，而不是等窗口撑爆才被动裁剪。
CORAL在GAIA基准上的表现如何？
CORAL训练出的8B模型在GAIA基准上平均准确率42.8%，提升集中在最难的Level 2和Level 3两档，同时输入token比ReAct智能体少6-7倍。
MERPO算法在CORAL中起什么作用？
MERPO（多回合智能体强化策略优化）把checkpoint能力训进策略，让模型学会在上下文污染开始前主动清空并开新回合，而不是等窗口撑爆才被动裁剪。
没有强化学习训练条件的团队如何应用CORAL的思路？
可以在框架或提示词中显式提供存档加开新回合的动作，并给出checkpoint模板：已验证事实、未决问题、下一步计划各写一段，强制模型在每个阶段交一次答卷再轻装上阵。
CORAL的能力可以泛化到其他任务吗？
可以。CORAL可泛化到多跳Knowledge QA（串联多个事实才能作答的问答题）；在更难的BrowseComp上，CORAL让一个强的专有智能体提升8.0分，说明对前沿模型也有增量。
