What Does Context Compression Cost an Agent?

论文用确定性的 24 轮工具任务，测量摘要压缩后代理为恢复丢失状态而增加的调用，而非只看最终答对率。GPT-5.5 的完成率从 80% 升到 85% 且无显著差异，但检索量从 21 增至 63.9，差异达到显著；六组比较都出现检索增加。它揭示了常见成功率指标遗漏的运行成本，不过 ALFWorld 上没有复现同样的检索激增，外推仍受任务类型约束。