热点事件持续更新
研究者提出ASTC免训练Agent上下文压缩方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年11月2日，arXiv发表关于面向长程LLM Agent的模型内上下文压缩研究，提出了名为ASTC的免训练压缩方法。该方法利用混合Gated Delta Network（GDN）-attention机制，将已吸收的信息转化为Agent软token进行传递，旨在减少计算开销并生成可复用的KV cache。实验结果显示，ASTC在保持性能的同时能达到或超越未压缩Agent的准确率，并将端到端Attention Pairs减少最高达50.68%。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 13:00
研究者提出免训练上下文压缩方法ASTC，可将端到端Attention Pairs减少达50.68%。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv 自然语言处理基于 Agent 软 token 的长程 LLM Agent 模型内上下文压缩
ASTC 是一种面向长程 LLM Agent 的免训练模型内上下文压缩方法。它利用混合 Gated Delta Network（GDN）-attention 将已吸收信息转为 Agent 软 token 传递，减少计算开销并生成可复用的 KV cache。实验显示，ASTC 能达到或超越未压缩 Agent 的准确率，端到端 Attention Pairs 减少达 50.68%。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2日 14:00）·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。