AgentFold: Agentes Web de Horizonte Largo con Gestión Proactiva de Contexto

Resumen

Los agentes web basados en LLM muestran un enorme potencial para la búsqueda de información, pero su eficacia en tareas de horizonte largo se ve limitada por una compensación fundamental en la gestión del contexto. Los agentes predominantes basados en ReAct sufren de saturación contextual a medida que acumulan historiales crudos y ruidosos, mientras que los métodos que resumen fijamente el historial completo en cada paso arriesgan la pérdida irreversible de detalles críticos. Para abordar esto, presentamos AgentFold, un nuevo paradigma de agente centrado en la gestión proactiva del contexto, inspirado en el proceso cognitivo humano de consolidación retrospectiva. AgentFold trata su contexto como un espacio de trabajo cognitivo dinámico que debe esculpirse activamente, en lugar de un registro pasivo que debe llenarse. En cada paso, aprende a ejecutar una operación de `plegado` que gestiona su trayectoria histórica a múltiples escalas: puede realizar condensaciones granulares para preservar detalles vitales y finos, o consolidaciones profundas para abstraer sub-tareas completas de múltiples pasos. Los resultados en benchmarks prominentes son sorprendentes: con un simple ajuste fino supervisado (sin pre-entrenamiento continuo o RL), nuestro agente AgentFold-30B-A3B alcanza un 36.2% en BrowseComp y un 47.3% en BrowseComp-ZH. Notablemente, este rendimiento no solo supera o iguala a modelos de código abierto de una escala dramáticamente mayor, como el DeepSeek-V3.1-671B-A37B, sino que también supera a agentes propietarios líderes como el o4-mini de OpenAI.

English

LLM-based web agents show immense promise for information seeking, yet their effectiveness on long-horizon tasks is hindered by a fundamental trade-off in context management. Prevailing ReAct-based agents suffer from context saturation as they accumulate noisy, raw histories, while methods that fixedly summarize the full history at each step risk the irreversible loss of critical details. Addressing these, we introduce AgentFold, a novel agent paradigm centered on proactive context management, inspired by the human cognitive process of retrospective consolidation. AgentFold treats its context as a dynamic cognitive workspace to be actively sculpted, rather than a passive log to be filled. At each step, it learns to execute a `folding' operation, which manages its historical trajectory at multiple scales: it can perform granular condensations to preserve vital, fine-grained details, or deep consolidations to abstract away entire multi-step sub-tasks. The results on prominent benchmarks are striking: with simple supervised fine-tuning (without continual pre-training or RL), our AgentFold-30B-A3B agent achieves 36.2% on BrowseComp and 47.3% on BrowseComp-ZH. Notably, this performance not only surpasses or matches open-source models of a dramatically larger scale, such as the DeepSeek-V3.1-671B-A37B, but also surpasses leading proprietary agents like OpenAI's o4-mini.

AgentFold: Agentes Web de Horizonte Largo con Gestión Proactiva de Contexto

AgentFold: Long-Horizon Web Agents with Proactive Context Management

Resumen

Support