一句话看懂：Hugging Face Papers 收录的论文 CarryOn 提出一种面向长时任务智能体的“对象化”上下文运行时，主张用可复用的任务进度对象替代反复回放交互历史；摘要称其在 OSWorld 2.0 与 BrowseComp-Plus 上分别带来 5.8% 和 7.0% 的提升，同时减少总 token 用量 51.9% 和 22.9%。
事件核心：发生了什么
据 Hugging Face Papers 页面信息，该论文于 2026 年 10 月 13 日发布，提出名为 CarryOn 的上下文运行时。其核心做法不是把压缩后的历史或对进度的重述当作续跑的主要依据，而是围绕“可复用的任务对象”组织上下文，由延续载体、补充执行上下文和近期交互的实时尾部三部分组成。
论文摘要指出，难点在于历史被退役后如何保持这套可复用基础仍然有效。CarryOn 的做法是跨折叠保留载体记录，用绑定的证据和适用的环境检查修订受影响的记录，未受影响的部分直接沿用，并同步更新执行上下文。摘要给出的评测结果是：在 OSWorld 2.0 和 BrowseComp-Plus 上分别取得 5.8% 和 7.0% 的提升，总 token 用量分别减少 51.9% 和 22.9%。需要说明的是，目前公开信息仅为论文摘要，未见完整实验细节，也未核验是否经过同行评审或已产品化。
为什么重要
长时任务智能体普遍要面对上下文膨胀问题：进度保存在持久任务状态里，但模型仍反复处理“进度是如何达成”的交互历史，既消耗 token，也容易让关键状态被噪声稀释。CarryOn 把上下文重心从“过程记录”转向“可复用进度”，在技术路线上更接近工程化的上下文管理，而非单纯依赖更长的上下文窗口或更强的压缩模型。若结果成立，这对降低推理成本、提升多轮任务稳定性有直接参考价值，也可能影响智能体框架在记忆、状态管理和工具调用上的设计取向。
对用户/开发者/创作者的影响
对开发者而言，CarryOn 提示了一条可借鉴的思路：把任务状态做成可验证、可局部更新的对象，而不是把所有历史塞进提示词。对使用长任务智能体的用户来说，token 用量下降意味着同类任务的推理成本可能更低，但效果仍取决于具体实现和任务类型。对创作者和 AI 应用团队来说，这类上下文运行时若被集成进开源智能体框架或 API 工具链，可能改变多步骤内容生产、网页操作和自动化流程的搭建方式。不过目前尚无可用产品，实际体验和兼容性有待验证。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否公开完整实验与代码，尤其是环境检查机制在不同任务中的稳定性；二是 OSWorld 2.0、BrowseComp-Plus 之外的基准上是否复现类似收益；三是是否有智能体框架、开源项目或云厂商将“对象化上下文”思路落地为 API 或运行时组件。
