ReFold：长任务 Agent 的可逆轮间上下文折叠

长程LLM Agent使用只追加交互历史，每步重发给模型，使上下文和成本增长直至超窗。现有方法以额外模型调用、启发规则或训练策略预测上下文需求，但增加运行开销、破坏前缀缓存，并永久删除无法保证恢复的内容。ReFold是免训练呈现层：保留底层历史，只压缩模型看到的上下文。无需辅助预测器，移除两类轮间冗余：此前已显示的内容用占位记录代替；Agent自己报告完成的轮次折为一行笔记。两算子采用分块呈现，每隔数步而非每步改写缓存前缀。所有移除严格可逆，误删只需从历史恢复一次而非永久丢失。它可即插即用到标准ReAct Harness。在五个长程基准与两个前沿LLM上，词元消耗最多缩减2.5倍，每会话KV内存减半且不降低任务成功率。有上下文上限时，最多避免92%强制压缩；并发服务时，排队延迟最多减少100%，推理最多加速1.7倍，费用最多缩减3.4倍。