English(EN) EndPrompt: Efficient Long-Context Extension via Terminal Anchoring

EndPrompt方法通过稀疏监督高效扩展LLM上下文窗口

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-14 09:00

研究人员开发了EndPrompt，一种无需在长序列上进行大量训练即可有效扩展大型语言模型上下文窗口的新颖方法。通过将具有高位置索引的简短终端提示附加到原始短上下文，EndPrompt在保持语义连续性的同时引入了必要的位置距离。该方法显著降低了计算成本，并在LongBench等基准测试中表现优于现有方法，挑战了上下文扩展需要密集长序列训练的必要性。 AI

影响能够更有效地使LLM适应处理更长的上下文，从而可能降低训练成本并提高需要广泛信息回忆的任务的性能。

排序理由该集群包含一篇详细介绍扩展LLM上下文窗口新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Dawei Yin · 2026-05-14 09:00

EndPrompt: Efficient Long-Context Extension via Terminal Anchoring

Extending the context window of large language models typically requires training on sequences at the target length, incurring quadratic memory and computational costs that make long-context adaptation expensive and difficult to reproduce. We propose EndPrompt, a method that achi…

报道来源 [1]

EndPrompt: Efficient Long-Context Extension via Terminal Anchoring

相关实体

相关话题