伯克利提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互

伯克利 AI 研究提出 ABBEL 框架，将 LLM 的递归摘要隔离为自然语言"信念状态"并对其内容进行监督评分。在 CollabBench 协作编程任务中，基于重建的信念评分（rec-BG）将模型与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。