ARC：压缩可见上下文，而非销毁可回读证据
ARC：压缩可见上下文，而非销毁可回读证据
结论与深度判断
Addressable Recall Compaction（ARC）把“保存什么”与“本轮给模型看什么”分开：工具观察原文进入 append-only store，上下文只保留有限预览和稳定引用，需要时按地址取回。可恢复不等于会想起，也不等于任务完成。
知识点轴：context management / harness-runtime / benchmark-evaluation。这是一篇 2026-07 的补洞来源，不是今日新闻。值得深挖的是稳定地址、预算和精确回读合同，可直接迁移到 llm-wiki；实验数字存在指标口径问题，因此不把论文的效果与显著性当已确认事实。
为什么对用户重要
长雷达/代码排查中，最容易被摘要抹掉的恰好是报错原文、ID、版本、特定否决理由及工具返回的中间字段。重新搜索网页不保证取回当时版本；重新执行工具还可能有费用或副作用。
Context-Engineering 已有 offloading、引用和 replay tax；ARC 补的是“对那次观察有确定地址，不靠猜关键词重新找到”。它与 nvidia-nooa-object-oriented-agent-harness 的 pass-by-reference 和 memory-compaction-rate-distortion-agents 的保真度预算相连，但不要求把所有引用常驻上下文。
工作机制
- 先存再压缩：每次正常 action 的 observation 原文入外部 store；保留 action signature、return code、创建 step、长度、固定头尾预览及 recall 状态。
- 留下稳定引用：移除大段 observation 时留下
§id和回读提示，后续压缩不随意更名。实现描述用 action signature 与 observation 的 SHA1 摘要形成短地址，碰撞时扩展；这是寻址方案，不应拿它充当安全认证。 - 明确回读动作：
_recall §id由 framework 截获，不再执行原环境工具；_recall_meta只取 metadata。无效地址给出错误/近似建议，不能把近似命中悄悄当成原对象。 - 视图预算分开管理：任务前缀、确定性摘要、recent suffix、外部 citation catalog 的一页、已回读内容各占预算。大对象分块精确返回，超预算时将旧回读内容退回引用。
- 发现与寻址互补：已知地址时精确取回；不知道地址时仍需要目录/检索选中它。外部 catalog 可增长，当前 prompt 只加载有限一页。
“无损”到底保证哪一层
论文保证有条件：原文先入库；标识在声明的任务容量内唯一；引用目录放在外部；每次模型调用前执行 active-view budget；超过单次预算的正文通过非重叠分块还原。在这些条件下，给定有效地址的原文可恢复性和有界输入可以同时成立。
但模型可能选错 ID、没意识到要 recall，或读回后推理错误。固定大小上下文也不意味着存储不增长。所有引用永远可同时见到与无限长任务的固定预算不兼容，必须承认目录分页和发现开销。
另一个重要界限：实现介绍了 reactive overflow recovery；理论要求每次调用前守预算，实际 real-LLM 评测描述使用 overflow 后恢复和固定 call indices。不能将该实验直接写成“任意生产运行从不发生 context overflow”。
评测：保留结果、拒绝偷换口径
本次读到 arXiv 2607.25066v1 完整 HTML 文本及表格/附录，没有运行模型或作者代码。来源研究使用 Qwen3-8B/32B，16k/32k 窗口，completion cap 4096；这只是作者配置，不建议安装本地推理栈。
- Needle-in-a-Haystack：作者摘要报告跨两配置平均准确率 99.40%，最佳基线 88.12%。它主要检验明确目标 token 的精确恢复，不代表通用 coding/规划能力。
- LongBench-v2 Hard：311 个任务、3 seeds、每方法 933 attempts；摘要报告平均 29.97%，最佳基线 28.25%。和 needle 的明显收益不同，复杂推理仍会失败。
- 费用部分主要基于 H200 roofline/hardware model 估算；Table 3/4 还注明按 successful submitted trajectories 汇总。不能改写成全任务实测墙钟、用户 GLM/OpenAI API 账单节省或普适速度提升。
未解决的内部一致性问题
原文 Table 1 中 Qwen3-8B ARC 正确数是 256/933；Table 5 的 ARC 对 LLM_summary 配对表却有 91 + 793 = 884 个 ARC 成功。这个数量接近用 No-Answer 推得的完成提交数，而不是 Table 1 正确数。文中虽说 correctness 与 completion 分开测试，但表 5/讨论又用成功/优势表述混在一起。本轮无法认定那些显著性结果针对准确率还是完成率。
本机只核对表格算术和标签，没有用猜测改写作者数据；contested: true 专指这一未解释口径。正式采用前需原始 per-trial correctness/completion 标签和重算配对检验。Agent-Benchmarks 应拒绝用“能提交答案”替代“答案正确”。
对 Hermes / llm-wiki 的迁移，不是照搬整个框架
- 保留现有
raw → source → concept → index分层：概念页作为有损工作视图，raw 作为不可变来源；摘要不能成为唯一证据。 - 已知 raw 路径后用精确路径/段落回读，而不是反复运行 web search 或 vector top-k。语义检索负责发现，地址回读负责确认，二者并存。
- 原文抓取本身也要有 completeness 检查：今天 web_extract 返回的 SPA/ARC 文件在约 50k 字符处截断；本轮通过原始 HTML 恢复更完整的文本。保存了截断文件不等于已经保存全文。
- 做小规模真实任务对照时分别记录：能否定位地址、关键字段逐字恢复、回读工具成本、重复外部调用、最终任务正确性；不以压缩率一项验收。
安全上需结合 spa-plan-first-label-preserving-persistent-agents：原文回读不提升其信任，身份/机密性应随对象走。原文无损保存与遗忘权、保留期限、访问权限也存在张力；未来若实现 runtime store，必须为对象设置访问边界，而非让任意 task 枚举全部历史。
原始入口
写入记录
- 2026-09-11 09:09 CST：新增地址可恢复性、有界工作视图与目录分页机制；读取完整原文并标记 correctness/completion 口径疑点，明确费用为特定模型估算和成功轨迹口径，不声称复现效果。