ReContext:无需训练的长上下文推理框架
dair_ai · x · 2026-07-07
新论文提出ReContext,一种无需训练的长上下文推理框架。它利用模型内部的相关性信号构建查询条件化的证据池,在最终生成前重放该池,同时保留完整原始上下文,无需训练、外部记忆或剪枝。作者将上下文比作记忆存储、问题比作检索线索、注意力比作线索-痕迹关联、重放比作痕迹再激活。
「研究」频道最新
- Meta FAIR 提出 Self-Direction:把 agent 失败变成 LoRA 技能,成功率提 13.8pp — karen_ullrich · 2026-10-27
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- 研究者吐槽:论文里 PSNR 低于 15dB 基本是用错了指标 — kwangmoo_yi · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27
- Scaling 拟合之争:Uncheatable 计入输出头 FLOPs,Paloma 剔除,最小档差距高达 65% — dlwh · 2026-10-27