大语言模型智能体上下文容量约束与审查反馈的 assortments 模型

研究提出将 LLM 智能体上下文策展建模为带容量约束的 assortments 问题，证明盲目追加指令在净价值上可能远优于最优子集。实证表明，源自真实上下文的无关规则会降低语言模型合规性，且删除被智能体忽略的指令会不可避免地移除有用内容。该工作还界定了添加指令前需收集的证据量及人类审核者受限编辑下的遗憾上限。