Self-Indexing Attention稀疏长上下文推理框架论文

2026年10月8日，研究者在arXiv（Information Retrieval类别，属一手来源）发表论文，提出Self-Indexing Attention框架。该框架面向长上下文大语言模型推理，主打稀疏化与压缩兼容，且无需训练。其核心思路是基于共享变换域的符号-幅度表示：用关键符号作为可复用的token级索引，并以此统一prefill阶段的分组选择与decode阶段的检索。目前公开信息仅涉及该论文的方法概述，尚无实验数据、代码发布或第三方复现结果的后续报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。