ReContext：训练免费长上下文推理法
burkov · x · 2026-07-13
这篇论文/方法提出 ReContext，一种无需训练的长上下文推理方法。
核心思路是利用模型内部的相关性信号做递归式证据回放，把关键证据反复重放给模型，从而提升长文本里的推理表现。作者称它在多个模型和数据集上都取得了SOTA，并且可扩展到 128K context 长度。
适合关注长上下文、推理增强和推理阶段优化的读者。
「研究」频道最新
- gdb 宣布 AI 辅助拿下数学、复杂性理论与量子场论三项科学发现 — gdb · 2026-10-27
- 学术圈观察:AI 一边制造论文垃圾,一边清理人类遗留的学术垃圾 — _akpiper · 2026-10-27
- CMU 等团队提出「epiplexity」:为计算受限智能体重定义信息量 — davidmanheim · 2026-10-27
- 4 个 Gemini 智能体自助协作 27 小时通关 Minecraft — rohanpaul_ai · 2026-10-27
- OpenAI 发布 PDF 声称反驳指数时间假说:3SAT 或可近亚指数求解 — rrwilliams · 2026-10-27
- OpenAI 发布与学术社区共建科学理解的计划 — Chemical-Agency-3997 · 2026-10-27