待验证50% 置信事实精确时间

研究者提出核心—尾部世界模型（CTWM），这是一种基于排名的记忆控制器，用单一指数参数 τ 来分配提示预算并保留对尾部的摘要化表示

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

重尾记忆痕迹：长程语言智能体的记忆分配新思路

涉及实体

Core–Tail World Model (CTWM)concept

相关事实

待验证上下文缓存技术底层依赖KV Cache机制，是vLLM、TensorRT-LLM等主流推理框架的核心优化之一71% 相似已验证LLM的记忆依赖于上下文窗口，即模型在单次推理时能够处理的最大Token数量69% 相似待验证LLM推理的prefill阶段并行处理输入所有token并生成初始KV Cache，是计算密集型操作，是TTFT的直接决定因素69% 相似待验证上下文复用与内存管理是控制LLM推理成本的关键杠杆67% 相似待验证可通过vLLM、TGI等高性能推理框架部署开放权重模型，并用LoRA等参数高效微调技术定制66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/966668

API

curl https://kongchang.com/api/v1/knowledge/claims/966668

MCP

get_claim(id=966668)