清华大学人工智能学院

清华大学人工智能学院团队提出 CoACT，一种面向 Coding Agent 的 observation 压缩方法，核心思路是不以压缩结果与原文的相似度为目标，而是以压缩后 Agent 下一步动作是否保持一致为优化目标，从而避免删去后续仍会被用到的信息。在 SWE-bench Verified 的 200 个实例与三个 Agent 模型上，CoACT 平均降低 33.0% 总 token 消耗，PASS@1 从 69.0% 提升至 71.0%，任务表现基本无损。该工作已被 CCF A 类会议 ICSE 2027 直接接收。