TACO

TACO 是曼彻斯特大学、北京航空航天大学、香港科技大学以及MAP 团队开源的无需训练、即插即用的终端智能体自进化观测压缩框架。框架解决了多轮命令行任务中 shell 输出噪声累积导致的上下文膨胀，自动从交互轨迹中发现并复用压缩规则，保留关键报错同时过滤冗余日志。框架即插即用、免训练，已集成于 Harbor 的 terminus-2。在 TerminalBench 等基准上，为 DeepSeek-V3.2、Qwen3 等模型带来 1%-4% 准确率提升，显著降低长程任务 token 消耗。