前言 大模型在处理长文本上下文任务时主要存在以下两个问题： 输入长度减少：RAG的方法可以减少输入长度，但这可能导致所需信息的部分丢失，影响任务解决性能。扩展LLMs的上下文长度：通过微调的方式来扩展LLMs的上下文窗口，以便处理整个输入。当窗口变长时，LLMs难以集中注意力在解决任务所需的信息上，导致上下文利用效率低下。 下面来看看两个有趣的另辟蹊径的方法，使用Agent协同来处理长上下文