待验证50% 置信事实精确时间

AdaMem是一个由相关性引导的软压缩框架，通过将学习到的段落相关性估计映射为对固定记忆token预算的查询相关动态分配

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OrchSLM是一个用于分析小语言模型编排机制的路由框架，定位为统一的分析工具而非新的编排方法65% 相似待验证Anthropic在API层面提供thinking参数控制开关以及budget_tokens参数设定思考过程可消耗的最大Token数量63% 相似待验证内存层映射通过在应用层与模型层之间构建智能缓冲，只提取当前任务相关的数据切片注入上下文，从而降低 LLM 上下文过载62% 相似待验证微型LLM指参数规模、内存占用与推理成本都被大幅压缩的语言模型61% 相似待验证清晰的CLAUDE.md结构描述能让模型以更少的推理步骤找到正确信息，直接降低API调用成本61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/940071

API

curl https://kongchang.com/api/v1/knowledge/claims/940071

MCP

get_claim(id=940071)