AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：递归×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:14
15:07
05:41
05:41Claude Code: GitHub Releases@ashwin-ant
Claude Code 发布 v2.1.172 版本，核心更新是子智能体现在可以递归生成自己的子智能体，最多支持 5 层深度。此外，Amazon Bedrock 集成改进了区域读取逻辑，新增插件市场搜索栏。修复了多个关键问题，包括 1M 上下文会话卡死、后台智能体读取错误项目配置、模型选择器显示错误等。性能方面优化了长对话的消息处理，减少了冗余转换。
AI产品Claude Code子智能体递归Amazon Bedrock稳定性修复
推荐理由：子智能体递归生成让复杂任务拆解更灵活，做多步骤自动化或深度推理的开发者可以直接升级体验。同时修复了多个影响日常使用的 bug，值得所有 Claude Code 用户关注。
原文
5月13日
19:12
19:12arXiv cs.AI@Alireza Nadali, Patrick Cooper, Ashutosh Trivedi, Alvaro Velasquez
精选
KV-Fold 是一种无需训练的长上下文推理协议，将键值（KV）缓存视为序列块上的左折叠累加器。模型在处理每个块时，基于累积的缓存进行条件处理，追加新生成的键和值，并将扩展后的缓存传递到下一步，重复这一单步更新过程。该方法在 Llama-3.1-8B 模型上的“大海捞针”基准测试中，在 152 次试验中实现了 100% 的精确匹配检索，覆盖 16K 到 128K 令牌的上下文和最多 511 层的链深度，且仅需单块 40GB GPU 内存。KV-Fold 的递归过程稳定，每步漂移短暂上升后饱和为平坦平台，对数值精度变化不敏感，跨块大小和模型家族表现一致。这项工作表明，冻结的预训练 Transformer 已经支持稳定的 KV 缓存递归形式，为无需架构更改或训练的长上下文推理提供了实用路径。
论文长上下文推理KV缓存递归无需训练Transformer
推荐理由：KV-Fold 用简单的左折叠思路解决了长上下文推理的内存和精度痛点，做 LLM 推理优化或长文档处理的团队可以直接在现有模型上尝试，无需额外训练。
原文