Der Aufbau: COMPINT setzt in drei Szenarien Auflagen in den Verlauf ein und prüft nach der Kompaktierung, ob sie noch befolgt werden. Die drei Szenarien heißen im Papier Hermes Agent (agentischer Handlungsverlauf), OpenResearcher (langlaufende Recherche) und WildChat (mehrstufiger Chat). Geprüft wurden mehrere Kompaktoren nebeneinander – von einem simplen „Recent 5“-Verfahren, das schlicht die letzten Schritte behält, über LLMLingua-2 bis zu modellbasierten Kompaktoren auf Grundlage von Gemma-4-E4B, Qwen3-30B, gpt-oss-120b und GPT-5.4-mini, jeweils mit den erwähnten Kompaktierungs-Aufforderungen aus produktiven Systemen.
Das Kernergebnis in einem Satz des Abstracts: „Current compactors retain only 17% of injected SCs on average, and most perform worse than running the same task without compaction.“ Dass es sich nicht um einen Ausreißer einer bestimmten Konfiguration handelt, halten die Autoren ausdrücklich fest: „Retention varies sharply with compactor, prompt, context length, SC phrasing, and injection location, showing that the loss is systematic rather than tied to any single setting.“ Der Verlust hängt also von fast allem ab – nur nicht davon, dass man den richtigen Kompaktor gewählt hätte.
Wie groß der Effekt gegenüber dem ungekürzten Kontext ist, zeigen die Vergleichswerte im Papier: Mit vollem Langkontext und gesetzter Auflage liegt die Befolgung bei 65,1 Prozent (Hermes Agent), 70,7 Prozent (OpenResearcher) und 59,2 Prozent (WildChat) – gegenüber 46,1, 49,1 und 51,2 Prozent ohne Auflage. Selbst ohne Kompaktierung ist die Einhaltung also alles andere als sicher; die Kompaktierung zieht sie zusätzlich nach unten. Für eigens auf den Zweck zugeschnittene Kompaktierungs-Aufforderungen halten die Autoren fest, dass die Erhaltungsquote „below 40% for both targeted configurations“ bleibt – ein besserer Prompt allein löst das Problem nicht.
Der Reparaturvorschlag setzt daneben an, nicht im Kompaktor: ein „SC-aware extractor“, der als „plug-and-play module“ neben dem Kompaktor läuft und die Auflagen getrennt herausschreibt, ohne Kompaktor oder Sprachmodell zu verändern. Als Extraktor genügt ein kleines Modell – im Papier „a Small Language Model (SLM), Qwen3.5-9B […], as the extractor“. Damit steigt die Erhaltung laut Abstract auf „over 90% retention across all three scenarios“; die Einzelwerte liegen bei 95,6 Prozent (Hermes Agent), 95,1 Prozent (OpenResearcher) und 90,3 Prozent (WildChat).
⚠️ Was wir bewusst nicht behaupten. Die Arbeit ist ein arXiv-Preprint vom 31. Juli 2026 (cs.CL, cs.AI); eine Begutachtung oder unabhängige Replikation liegt nicht vor, und die Zahlen sind die der Autoren. Die geprüften Kompaktoren sind quelloffene beziehungsweise über API zugängliche Modelle plus zwei produktive Kompaktierungs-Aufforderungen – daraus folgt nicht, dass ein bestimmtes kommerzielles Produkt in genau dieser Bauart und mit genau dieser Quote Auflagen verliert; gemessen wurde die Aufforderung, nicht das fertige Produkt. Ob die 17 Prozent auf andere Sprachen, längere Sitzungen oder andere Auflagentypen übertragbar sind, sagt die Arbeit nicht.