新闻详情

新闻详情

首页 / 资讯中心 / 详情

144、流式长文本记忆:向量+摘要+窗口

发布时间:2026/11/17 18:08:32来源:尧图网络
144、流式长文本记忆:向量+摘要+窗口
144、流式长文本记忆:向量+摘要+窗口那阵子线上服务老是报错,一看日志全是Context length exceeded,用户聊到第20轮,历史记录硬塞进提示词,直接撑爆了上下文窗口。当时第一反应是上个滑动窗口,把最老的对话丢掉,保留最近的几轮。改完果然不报错了,但用户回头就骂——模型把他半小时前报过的车牌号忘了,整个客服对话断片。这就是典型的长文本记忆问题:窗口太短丢细节,窗口太长放不下,摘要会丢精确信息,向量检索又容易召回一堆无关片段。后来我把这三样揉在一起,才算是把流式长文本记忆这口锅端稳了。先说说窗口。滑动窗口是最朴素的方案,本质就是“只保留最近N条消息”。工程上好实现,内存占用固定,推理时token数可控。但它的致命伤是“硬遗忘”——不管老信息重不重要,一旦滑出窗口就彻底消失。我试过把窗口调大,能缓解,但对话一长还是炸,而且大窗口会让模型注意力分散,回答质量反而下降。更气人的是,用户经常在聊了十几轮之后突然问“我一开始说的那个地址还记得吗”,这时候窗口里早就没影了。后来我加了摘要线程。思路是:当窗口快满时,把窗口里最老的一半消息喂给小模型,生成一段“历史摘要”,存起来。之后每次对话,都把摘要加在窗口前面,相当于给模型一个“压缩过的过去”。这样确实能留住大方向,比如用户想要什么、聊过什么主题。但摘要有个大坑——它是损失压缩。具体数值、名字、条款细节,摘要模型一偷懒就给你省了。有次用户问“我上次说的预算上限是三万还是五万”,摘要里只写了“讨论了预算”,等于没写。就在这两个方案来回折腾的时候,我意识到它们其实是互补的。窗口负责“近期精确”,摘要负责“远期概览”,但还缺一个“远期精确”的通道。这时候向量检索就派上用场了。思路很直
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉