# Agentic Context Learning with Self-Discovered Specification
- 来源：arxiv · https://arxiv.org/abs/2607.09794
- 作者：Jike Zhong, Ming Li, Yuxiang Lai, Ziyan Yang, Jingyu Xie, Jihyung Kil, Zheda Mai, Shao-Yuan Lo, Ren Xiang, Konstantinos Psounis, Yuanyuan Lei

> 揭示上下文学习瓶颈在规范获取而非内容访问，PSCI方法有效提升

## 概要

该论文研究LLM的上下文学习（context learning）任务，发现即使前沿模型任务成功率也低于24%。通过大量实验表明，失败主因不是内容获取，而是规范获取（specification acquisition），即从上下文中学习领域特定格式、局部规则等隐性规范。作者提出PSCI方法，通过提取私有规范并进行对抗性检查和修复，在CL-Bench上显著提升性能（GPT-5.1 +5.59pp），并在其他模型上复现。

## 对我的影响

1. **对导购/agent产品的启示**：agent在执行任务时，除了理解用户指令，还需从产品文档、历史交互等上下文中提取隐性规范（如退货规则、促销条件）。可借鉴PSCI思路，在agent中加入规范提取和校验模块。
2. **改变技术选型判断**：之前更关注检索增强或长上下文理解，但该论文提示单纯增加上下文长度或检索精度不够，需要显式处理规范。我会在情报平台中增加规范相关论文的跟踪。
3. **下一步行动**：精读论文中的PSCI方法和CL-Bench数据集，考虑将其中的规范提取技术集成到导购agent的意图识别与行动规划流程中。

---
*导出自 前沿论文情报台*