20 个新兴 AI 工程概念盘点:上下文压缩、潜记忆与并行推理

MaryamMiradi · x · 2026-11-15

AI 工程研究者 Maryam Miradi 整理了 2026 年值得关注的 20 个新兴 AI 工程概念,按五类归纳并附 GitHub 仓库:

上下文压缩与自适应:Latent Context Compression 将工具结果压缩为潜 token;Action-Preserving Training 保证压缩不损失下一步决策;Context Folding 把已完成子任务折叠成紧凑结果;Agentic Context Engineering 构建演化式策略手册。适用于任务历史撑爆 agent 的场景。

自适应记忆与经验:Latent Memory、Test-Time Adaptive Memory、Learned Memory Management、Reasoning Memory 等,解决「存历史却无助于决策」的问题,将经验编码为紧凑表示并学习增删策略。

超越书面思维链的推理:Recursive Language Models 通过代码与递归调用检视输入;Chain of Continuous Thought 经隐藏状态传递推理;Soft Thinking 用加权 token 嵌入推理;Recurrent-Depth Reasoning 重复内部模块换取额外计算。

Agent 学习与自我改进:Reflective Evolutionary Optimization 通过反馈搜索优化 prompt;Harnessed Agentic RL、RLVR、Reinforced Self-Play 等改进指令、权重或训练任务。

并行生成与更快推理:Sequential Diffusion LM、Diffusion 推测解码、Multi-Layer Feature Drafting、Parallel Drafting,解决 token 生成速度瓶颈。

作者提醒:部分仍是研究阶段技术,应按自身瓶颈选择。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →