社区

近日，明略科技（2718.HK）与北京大学联合研发的长程深度研究智能体技术取得重大突破。双方合作的论文成功入选第 64 届国际计算语言学协会年会（ACL 2026）主会议，标志着明略科技在可信智能体领域的技术实力获得国际学术界的顶尖认可。

ACL 是自然语言处理与计算语言学领域的全球顶级学术会议，被中国计算机学会（CCF）列为 A 类会议。本届主会论文录用率仅为 19%，会议将于 2026 年 7 月在美国圣迭戈举行，汇聚全球顶尖学者与产业专家，集中展示年度最高水平的研究成果。

「论文标题」Cognitive Scaffold: From Fluid Context to Crystallized Memory for Long-Horizon Deep Research Agents（认知支架：从流动上下文到结晶记忆的长程深度研究智能体）

「论文作者」Qiuyuan Ai1、Zenghuang Fu2、Zhaoyang Li1、Ping Jiang2、Haoyu Wu2、Jie Song1、Guannan He1

注： ¹ 北京大学师生；² 明略科技成员

直击行业痛点：智能体 "记性差" 问题

当前，长程深度研究智能体普遍面临三大难题：

上下文窗口饱和：信息一多就 "脑子不够用"，出现认知退化

关键信息丢失：传统压缩方式往往不可逆，容易漏掉数字、实体等重要细节

检索能力被动：智能体无法主动找回需要的证据，容易在处理过程中“迷路”

这些问题导致智能体在处理复杂长链路任务时，推理准确率低、幻觉率高且计算成本昂贵，严重制约了可信智能体的产业化落地。

明略创新：给智能体装上 "认知支架"

针对上述难题，明略科技与北大团队开创性地提出了“认知支架”（Cognitive Scaffold）因子化记忆架构。这项技术相当于给智能体配备了一套科学的记忆管理系统。

具体而言，该架构实现了长短期记忆分离。它将智能体的认知状态解耦为负责即时推理的“流动工作上下文”，以及负责长期存储的“持久知识图谱”，两者互不干扰又协同工作。

同时，该技术采用了拒绝采样微调（RFT）技术，能够像拍照一样将饱和的上下文信息转化为结构化的事件快照，完整保存关键细节。

此外，它还具备主动式证据检索能力，通过思维驱动的双路径机制，智能体能根据推理需求主动找回精确证据，不再被动等待。

硬核数据验证：性能提升超 23% 成本降至 1/9

技术架构的精妙设计，最终转化为了实打实的性能跃升。在三大国际基准测试集中，“认知支架”技术均表现优异。以 BrowseComp-ZH 数据集为例，该技术的 Pass@3 指标达到了 65.9%，相比传统基于总结的方法，准确率大幅提升了 23.3%。

此外，测试显示，其幻觉率大幅降至 5.3%，确保了智能体输出的高可信度。主模型的 token 用量更是仅为基线模型的九分之一，计算成本大幅降低。

推动可信智能体产业化落地

本次研究成果被 ACL 2026 主会接收，不仅提升了明略科技在长程推理与可信智能体领域的国际学术影响力，更为行业提供了一套切实可落地的技术方案。未来，该技术可广泛应用于科研文献分析、金融风控、法律合规、医疗诊断等需要长程复杂推理的场景。

未来，明略科技将继续深化在 Agentic AI、多模态大模型与知识图谱融合领域的探索，夯实可信智能体“模型可信”的技术底座，加速前沿科研成果向产业应用转化，为更多行业提供高效、智能、可信的 AI 解决方案，推动人工智能产业高质量发展。

$明略科技-W(02718)$

@爱发红包的虎妞