热点事件观察中

研究团队提出混合RAG与长上下文路由框架EDAR

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

2026年9月30日，研究人员在arXiv发布论文，提出名为EDAR的自适应熵路由框架。该框架旨在融合检索增强生成（RAG）与长上下文大语言模型，通过分析RAG响应前几个token的预测熵，在推理阶段动态决定是直接使用检索片段还是升级为完整长上下文处理。实验测试显示，在LongBench v2和Infinity-Bench基准上，EDAR仅对18.2%的查询进行升级，在降低70.7%的token消耗的同时，保留了长上下文基准97.4%的准确率。此外，该框架完全免去额外监督，且不依赖特定的检索器或底层大语言模型。

AI 根据报道生成 · 5 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

9月30日

12:00
arXiv 自然语言处理
超越上下文窗口：混合检索与长上下文大语言模型的自适应熵路由框架
研究人员提出自适应路由框架 EDAR，利用 RAG 响应前几个 token 的预测熵，在推理时动态决策使用检索片段还是升级为完整长上下文处理。在 LongBench v2 与 Infinity-Bench 测试中，EDAR 仅升级 18.2% 的查询，在降低 70.7% 的 token 消耗的同时保留了长上下文基准 97.4% 的准确率。该框架无需额外监督，且不依赖特定检索器或底层模型。

本事件热度走势

当前热度 5·可比范围峰值 5（10月1日 12:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。