arXiv 论文提出 Boa Compressor，基于 Mamba 的线性时间上下文压缩
原文标题：Linear-Time Context Compression with State-Space Encoding
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Boa Compressor，基于 Mamba 状态空间模型的即插即用在线上下文压缩器，单次线性时间编码任意长度上下文，并通过蒸馏训练对齐完整上下文下的 token 分布。同等压缩率下性能持平或超过现有离线压缩基线，速度提升一个数量级，可支持 16 倍激进压缩。
- 问题
- Transformer 长上下文推理开销大，现有软提示压缩延迟高只能离线用。
- 方法
- 用 Mamba 状态空间模型单次线性时间编码上下文，再蒸馏对齐完整上下文下的 token 分布。
- 结果
- 同等压缩率下持平或超过离线基线，速度提升一个数量级，支持 16 倍压缩。
- 影响
- 压缩快到可在线运行，长上下文应用不必再预压缩复用，端到端延迟直接下降。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Boa Compressor用Mamba单次线性时间压缩上下文，速度比Transformer实现快一个数量级
- •压缩器基于Mamba状态空间模型，即插即用，编码任意长度上下文只需一次线性时间前向
- •通过蒸馏训练：对齐完整上下文与压缩表示下同一冻结LLM的下一token logit分布
- •同等压缩率下性能持平或超过现有离线压缩基线，且快一个数量级
- •支持高达16倍的激进压缩，并随上下文变长保持良好扩展
为什么重要：现有软提示压缩受限于离线场景，Boa把压缩成本降到可在线运行，长上下文推理的端到端延迟有望真正下降而非被压缩耗时抵消。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。