斯坦福大学、SambaNova Systems和加州大学伯克利分校的研究团队提出了一种名为ACE（智能体上下文工程）的新方法，宣称无需微调即可提升模型性能。该方法通过生成器、反思器和整理器三个角色分工协作，使上下文自主进化并优化，避免传统上下文适配中的“简洁偏置”和“上下文崩溃”问题。实验表明，ACE在智能体任务和财务分析场景中均显著优于ICL、GEPA等基线方法，性能提升达7.6%-12.3%，同时大幅降低自适应成本与延迟。研究的一作由两位华人学者担任，分别来自斯坦福和SambaNova Systems。这项成果或将改变AI模型优化的方向。