研究者提出免训练软令牌上下文压缩方法ASTC
热点事件持续更新
研究者提出免训练软令牌上下文压缩方法ASTC
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Xuning He 等研究者提出免训练的智能体软令牌压缩方法 ASTC，用于长程大语言模型智能体任务，在不额外训练模型的前提下压缩上下文。 该方法利用模型原生的混合 GDN-attention 循环动态判断哪些信息已被吸收，并将这些信息作为软令牌前传；同时以硬令牌保留精确值，供后续步骤直接读取。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AI无需训练的 Agentic Soft-Token Compression：为长程 大语言模型（LLM，Large Language Model） 智能体压缩上下文
研究者提出无需训练的 Agentic Soft-Token Compression（ASTC），利用模型原生的混合 Gated Delta Network（GDN）-attention 循环动态判断已吸收的信息，将其作为智能体软 token 前传，同时以硬 token 保留精确值。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。