待验证50% 置信基准精确时间
LLMLingua通过语言模型识别并删除不重要的Token，可以在保持95%任务性能的情况下压缩50%的上下文长度
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/5
首次发现
有效期至：2026/12/4
来源
涉及实体
相关事实
待验证LLMLingua等工具通过信息熵分析删除prompt冗余词汇，可将token消耗压缩30-50%77% 相似待验证LLMLingua等提示词压缩技术可在保留语义的同时将提示词长度压缩30%-50%77% 相似待验证上下文压缩主流实现方式包括基于LLMLingua等语言模型的语义压缩、滑动窗口截断、摘要化压缩以及基于重要性评分的选择性保留67% 相似待验证Context compression technology uses intelligent summarization, redundant information removal, and hierarchical caching to reduce actual Token count fed to models without losing critical information63% 相似待验证通过向量检索结合嵌入模型对代码库预处理索引，智能体只需加载语义相关的代码片段，Token消耗可降低20倍以上63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/860430API
curl https://kongchang.com/api/v1/knowledge/claims/860430MCP
get_claim(id=860430)