Berkeley AI Research Blog·· 2026-07-26AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
伯克利提出 ABBEL：用「信念评分」让 LLM 高效完成长程交互
Teaching LLMs to Update Beliefs for Efficient Long-Horizon Interaction
AI 导读
伯克利 AI 研究提出 ABBEL 框架，将摘要以自然语言"信念状态"的形式隔离并监督其信息内容，替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编程任务中，重建式信念评分（rec-BG）将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值上下文 token 数也明显更低。
来源：Berkeley AI Research Blog · bair.berkeley.edu