Cartridges 团队提出「Self-Study 是移动目标」:无标签度量优化 KV 缓存压缩
simran_s_arora · x · 2026-11-05
Ramp Labs 发布研究文章《Self-Study is a Moving Target》,作者 Ben Geist。
Cartridges 是一种把长文档压缩进小型训练 KV cache 的方法,核心是「self-study」——对文档自生成一系列问答进行训练。这篇文章推导出一个无需标签的度量来衡量问题的质量,指出 self-study 本质上是一个移动目标:问题分布随训练不断变化,需要动态判断哪些问题值得继续训练。适合关注长上下文/记忆压缩方向的人深入阅读原文。
「研究」频道最新
- GitHub Next 推出 PDD Kit:用形式化验证为 AI 生成的全栈代码兜底 — 0xkarasy · 2026-11-05
- Meta 部署 JiTTesting:LLM 自动生成测试拦截 bug,人工审核量降 70% — AxSaucedo · 2026-11-05
- 演示显示 LLM 能在普通散文里藏密码,人类肉眼难察觉 — dosco · 2026-11-05
- 机器人基准测试被指脱离现实:没人为每台机器人配万元级 GPU — AIFlow_ML · 2026-11-05
- Agent 单点任务 80+ 分,长期维护代码库却仅 38% — FullStackFrenzy · 2026-11-05
- 创业者观点:机器人领域进展慢,根在缺真实场景基准 — DJiafei · 2026-11-05