NVIDIA 研究：频繁上下文压缩可保长任务准确率，长上下文模型或非必需

NVIDIA 论文「You don't need long context」提出，对长程与长输入任务频繁进行上下文压缩（context compaction）即可保持任务准确率。论文比较了积累完整历史（FHA）、达到阈值时压缩（EoCC）与每次动作后压缩（SAC）三种机制，实验显示频繁压缩能保留长任务表现，暗示专用长上下文语言模型可能并非必要。