Concept-Grounded Attention：图注入注意力、时间版本与认识状态受控评测

研究提出了将实体图、时间版本与认识状态融入 Transformer 计算的概念对齐注意力（CGA）与 CLM 框架。实验显示，显式时间表示在最高 122B 模型上使 LongMemEval 准确率提升 13 至 25 个百分点，认识状态协议使 72-122B 模型的无依据断言率降至 0-5%。受控消融同时发现，图注入自注意力并未改变生成答案，门控交叉注意力的大部分增益主要来自增加的模型容量。