Prefix Sliding:丢弃冗余推理 token,测试时扩展提速 3 倍

Bedrovelsen · x · 2026-08-27

新论文提出 Prefix Sliding 技术：研究发现模型推理过程中，大多数中间推理 token 的重要性会随后续推理迅速衰减，保留全部历史 token 的成本值得质疑。基于此，Prefix Sliding 只保留前缀和最近几千个 token 的滑动窗口，丢弃其余部分。

效果：无需任何训练，现有推理模型即可提速约 3 倍且性能基本不变；若结合强化学习在压缩设置下训练，还能通过扩展到超过十万级 token 的推理轨迹获得更好性能。论文附开源代码。