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
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11