Les chercheurs présentent CliffCompaction, une technique d'autocompaction conçue pour réduire les coûts des agents de codage à long terme jusqu'à 50 % dans un contexte borné. La méthode maintient ou améliore la performance sur Terminal-Bench et atteint des résultats de pointe sur KernelBench en conservant une information compacte fidèle par troncature plutôt que par reformulation.

  • CliffCompaction ajoute plus de 10 points de pourcentage sur Terminal-Bench pour moins que le coût de deux exécutions à contexte complet.
  • Dans le cadre du test-time scaling parallèle, il permet à Kimi K2.6 d'égaler Opus 4.7 et de dépasser Opus 4.6 et GPT-5.3 Codex à moindre coût.
  • La technique prévient la dérive du contexte en rejetant la sortie compacte précédente et en n'opérant que sur le contenu original.
  • Sur KernelBench, elle atteint des accélérations de noyau CUDA de $2.23 imes$ après 200 étapes et $3.58 imes$ après 400 étapes.
  • Une implémentation API-proxy agnostique au scaffold est open-sourcée pour une utilisation avec Claude Code, Codex et d'autres frameworks.

CliffCompaction rend le compromis performance-coût du test-time scaling plus efficace, maintenant un apprentissage continu sur des sessions dépassant un million de tokens.