CoEM：基于证据提交的长上下文推理方法

CoEM是一种新的长上下文推理方法，通过学习何时将源证据转换为压缩记忆事实。该方法在固定上下文-记忆预算下，保留可能有用的源摘录在待定集中，允许后续上下文明确其相关性后再进行不可逆压缩。实验显示，在6,400文档的长上下文输入评估中，CoEM在Qwen3.5-9B模型上比最强基线方法提升10.4-11.4 F1点。