ABBEL：通过信念瓶颈让大语言模型高效长程交互

Berkeley AI Research提出ABBEL框架，将摘要隔离为自然语言信念状态并加入信念评分，解决LLM在长程交互中上下文无法无限扩展的问题。在CollabBench协作代码生成评测中，ABBEL-rec-BG相比全上下文模型缩小约50%的性能差距，且训练步数减少50%；峰值上下文token降至6.01×10²，低于无信念评分版本。