待验证50% 置信事实精确时间

OSCAR是软压缩领域的代表性先驱工作，验证了用固定数量记忆嵌入替代检索段落的可行性，采用均匀分配的默认设计

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

AdaMem：让RAG按相关性智能分配记忆token的软压缩新方法

涉及实体

相关事实

待验证现有软压缩方法（如OSCAR）通常给每个保留段落分配相同数量的记忆嵌入，不考虑段落对当前查询的相关程度73% 相似待验证上下文压缩的常见方法包括基于摘要的压缩、选择性保留和分层记忆61% 相似待验证Hyper压缩引擎采用确定性输出设计：压缩结果要么产生体积更小的PDF，要么直接返回原始文件59% 相似待验证常见的Token压缩策略包括预筛选检索内容、限制上下文窗口大小、将多次小调用合并为一次结构化调用58% 相似待验证Towards AI最终选择采用DeepSeq V4 Flash加混合检索，记忆策略尽量保留全部并设30K token压缩阈值作为兜底58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/940073

API

curl https://kongchang.com/api/v1/knowledge/claims/940073

MCP

get_claim(id=940073)