正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
这篇论文关注Language Models Can Control Their Own Attention相关问题：当智能体依赖技能、记忆、工具和运行时控制时，模型外部系统怎样影响最终能力。
核心方法
Declarative Attention 让模型自己声明当前生成所需关注的上下文片段，避免每步都用外部代理分数扫描完整 KV cache。它把长上下文注意力选择变成模型内生的控制协议，直接回应超长会话成本问题。
实验结论
- 说明语言模型可以参与控制自己的注意力预算。
- 适合与同批推荐中的 Agent Skills、Harness 和长期记忆论文交叉比较。
局限性与证据边界
- 已按 arXiv 元数据和摘要整理，推荐文案为中文编辑摘要。
适合谁阅读
追踪 Agent Skills 与 Harness 研究比较模型外状态的收益和风险设计长期智能体系统Agent SkillsAgent Harness
可核验的原论文来源和作者
- 作者
- Namgyu Ho, Huzama Ahmad, Woosung Koh, Se-Young Yun, Tal Schuster, Cicero Nogueira dos Santos
- 来源
- arXiv
- 论文 ID
- 2609.02737