PRO-LONG：用程序化记忆支持长程推理

长程任务要求持续的感知、推理与探索，是大语言模型（LLM）智能体的持续挑战。该差距体现在它们在ARC-AGI-3等持续学习基准上的有限表现——尤其当模型被开箱即用评估时。各类智能体运行框架被提出以弥合差距，每个都为处理长观测序列提交一种策略：从环境保存什么信息、如何加载进模型上下文——我们认为这一选择尤其关键。现有上下文管理方法面临显著权衡：保存更多信息使检索相关细节更难驾驭。我们提出PRO-LONG，一个围绕程序化记忆构建的最小上下文管理框架，面向长程探索性设定中的LLM智能体。PRO-LONG以保持完整的结构化交互日志、并借力编码智能体的近期进展来高效搜索该历史的方式化解权衡。在ARC-AGI-3全公开游戏集上，PRO-LONG较基础编码智能体平均提升18.0个百分点（跨前沿模型），匹敌或超过最先进的专用运行框架（最高76.1% pass@1），同时使用少4.2–5.8倍的token。使用Fable 5，PRO-LONG以总计1,750美元成本取得97.4%的best@2。相关代码与日志见https://github.com/alexisfox7/PRO-LONG。