可组合可复用物品记忆的高效个性化检索
🧭 LLM 高效个性化检索 · 物品记忆压缩 ★ 深度解读
Tsinghua University · Alibaba International Digital Commerce Group
将物品语义编码与请求历史建模分离，用可学习摘要token压缩物品为连续记忆，结合缓存与采样重编码大幅降低LLM检索成本
📌 工作参考价值（4 点）
- 物品级记忆缓存替代每次请求重复编码：在电商搜索/推荐中，同一商品会在大量用户历史中反复出现。可以离线用可学习 summary tokens 把商品文本压缩成少量连续向量（如4个/dim 2560），在线只做请求级组合，推理输入长度可降80%以上，延迟降低4倍。
- 用 REC tokens 引入段内预测监督：在用户历史里每 b=4 个商品插入一个共享 readout token，预测下一段首商品。这个中间监督能让前缀表征学会“未来交互”信息，比只靠最终检索损失提升 Recall@100 达3.7个百分点，适合迁移到长序列行为建模。
- 联合训练采用“缓存+采样重编码”控制梯度成本：训练时随机采样少量历史位置用当前 encoder 重算，其余位置直接读缓存并 stop-gradient。这样既让 item encoder 能接收检索梯度更新，又避免全量历史重编码，训练成本与历史长度解耦。电商长历史场景可直接复用，每请求只重编码 κ=4~8 个商品。
- 定期刷新缓存而非实时更新：epoch 结束后重建 item memory 和 candidate cache，平衡表征新鲜度与计算开销。线上部署时可结合模型更新周期做异步刷新，避免每次推理都重算商品表征。
GACC-Bench：评估大语言模型目标自适应上下文压缩能力
🧭 LLM 上下文压缩评估基准
Fudan University · Huazhong University of Science and Technology · JD.com · Harbin Institute of Technology · The Hong Kong University of Science and Technology (Guangzhou)
提出 GACC-Bench 基准，评估 LLM 在给定高层目标下压缩长上下文时保留目标相关信息的能力，发现与完整上下文仍有显著差距
📌 工作参考价值（4 点）
- Agent 长会话上下文压缩：在电商导购、客服 Agent 等长对话场景中，压缩上下文时显式传入当前用户意图或任务目标，能显著提升压缩后的信息保留质量，减少 token 成本。
- 压缩评估方法可复用：采用“固定 reader + 同一压缩上下文回答多个问题”的评估方式，能更真实地衡量压缩是否保留了目标相关的多角度信息，而非只看单一问答准确率。
- 目标相关性约束：目标引导压缩优于无目标压缩，而错误目标会降低性能，说明业务中需确保压缩时的目标描述与实际下游任务一致，避免引入噪声。
- 多目标分组评估：将同一上下文下的多个问题按共享目标分组，可以检测压缩是否遗漏某个目标维度的信息，适合用于诊断生产环境中压缩策略的薄弱环节。
DeLoop：用重复动作自监督训练长程 Agent 避免循环
🧭 长程 Agent 的自我监督去循环训练 ★ 深度解读
Google · Boston University · University of Washington · University of Southern California · Google DeepMind
把 agent 重复动作当负样本、同 rollout 后续恢复动作当正样本做 DPO，大幅降低上下文压缩下的循环率
📌 工作参考价值（4 点）
- 在电商/广告的 multi-step agent 流程（购物助手、广告投放优化、搜索 query 改写 agent）里，可以先加一个结构化的重复检测器：把 tool/API call 做 canonicalize（忽略空格、参数顺序），再对比返回 observation；相同的 (call, observation) 就是 loop。这些信号可以直接用于在线拦截，也能变成训练数据。
- 用 agent 自己的 rollout 挖掘偏好对：rejected = 重复动作，chosen = 同一条 rollout 里第一个后续非重复动作。无需 reward、gold answer、LLM judge，适合业务里大量失败/无效日志的自监督学习；LoRA DPO 成本低。
- 上下文压缩/总结会明显放大 loop。如果系统里做了会话压缩、摘要、截断，建议监控压缩后的 loop rate，并且不仅优化 compressor/memory，还要训练 policy 学会使用已有历史记录。
- DeLoop-Mix 证明跨域自挖 pair 可以提升泛化：电商场景可以把搜索、推荐、客服等不同 agent 任务的 loop pair 混合训练，既压低重复动作，又提升任务成功率。
KuaFu：十亿规模长用户行为压缩与理解的统一层
🧭 用户行为压缩 · LLM 理解 ★ 深度解读
Tencent Inc., Shenzhen, China
以单行为 item 为最小压缩单元，双轴投影将每条行为压到 2–4 token，四阶段训练抑制幻觉，部署后 GMV 提升 1.37%
📌 工作参考价值（4 点）
- 可迁移点 1：采用 item 级压缩而非 sequence 级压缩，使 embedding 只依赖 item 本身，可离线缓存、跨用户/任务复用；缓存随 item inventory 增长而非 #users×#tasks，极大降低每周十亿用户画像刷新成本。在电商/广告中，商品、内容、广告素材均可预先压缩存储，在线只拼接。
- 可迁移点 2：双轴投影（token 轴 8→2，width 轴 2560→128，约10×/20×压缩）配合残差与 Down/Up 低秩投影，能把单 item 缓存从10KB降到0.5KB；适合长行为序列 KV cache 或 prompt 侧压缩，注意压缩宽度对细节丢失的影响，需按 task 选择 ratio。
- 可迁移点 3：四阶段课程训练：重建→压缩 QA→压缩+生成协同→幻觉感知 RL。尤其基于长度的五桶课程（1,1–3,1–200,1–500,1–1200）是收敛必要条件；直接混合长度 loss 卡在2.27。可借鉴到长序列 LLM 训练。
- 可迁移点 4：对生成式用户画像/推荐文案，用分组 DAPO RL 加按危害加权的四类幻觉惩罚（fabrication 0.45、date misattribution 0.24、logic 0.24、missed detection 0.07）并单独给 completeness bonus，可显著降低 fabrication（33.5→4.5）且不诱发拒答；业务上可用较强 judge 做分层中间评测，缩短反馈闭环。
LatentPress：超越文本与视觉的上下文压缩
🧭 LLM 上下文压缩 · 连续 soft tokens
Cornell University · Iowa State University
将对话历史与长文档压缩为连续 memory tokens，直接输入冻结解码器，无需文本重建，4-16倍压缩且性能优于文本摘要与OCR压缩
📌 工作参考价值（4 点）
- 可借鉴的架构：用一个小 writer 将长对话历史、行为序列、工具调用记录压缩成 continuous memory tokens，作为 frozen LLM 的输入 embedding 直接读取，省去文本重建和检索排序，适合电商对话助手/Agent 的记忆模块。
- 训练成本极低：只训练 4.2M-26.2M 参数的 adapter（约 decoder 0.1%），frozen decoder，可快速迭代，适合业务场景频繁更新。
- 压缩比选择：4-8 倍压缩在 QA 上可匹配或超过 raw context，16 倍明显退化；在线 Agent 历史压缩建议先用 4-8 倍，在时延与精度间取平衡。
- 写入耗时 43ms/对话，读取快 5-9 倍，比文本摘要或 OCR 重建快一个数量级，能满足在线低延迟要求；零样本跨域迁移表现说明 soft tokens 有潜力作为通用行为表征。
去除位置和长度影响的读者高亮对齐度量
🧭 LLM上下文压缩评估 · 读者高亮对齐
Glasp Inc.
提出剔除位置与长度偏差的评估框架，发现LLM重要性排序与读者高亮对齐接近人类个体水平
📌 工作参考价值（3 点）
- 评估文档摘要/压缩模型时，常规准确率受位置和长度偏差影响，可借鉴分层匹配与合成零分布校准，对商品描述、评论摘要等场景的压缩质量进行无偏评估。
- 语言模型重要性排序与读者高亮高度一致，可自动提取商品卖点或用户关注片段，量化模型与人类偏好对齐程度，提升内容生成效率。
- 该方法提供消除混杂因子的通用评估框架，可迁移至推荐系统中分析用户行为数据（如点击），控制位置暴露偏差，更准确衡量模型捕捉兴趣的能力。
EvoDS：自我进化的自主数据科学智能体，具备技能学习与上下文管理
🧭 多智体自主技能学习与上下文管理
The Hong Kong University of Science and Technology (Guangzhou)
通过自主技能获取与自适应上下文压缩，让数据科学智能体自我进化，性能平均提升28.9%并消除token超限。
📌 工作参考价值（4 点）
- 技能复用机制：将常见数据处理流程封装为可重用技能（如特征工程、模型选择），类似在电商推荐Agent中，可将用户画像更新、召回策略切换等操作封装成技能，由Agent自主调用和组合，减少重复LLM调用。
- 自适应上下文压缩：把长上下文管理建模为强化学习控制问题，而非固定截断。在推荐系统Agent的多轮用户交互或长链路任务中，可学习保留与当前假设最相关的历史信息，避免上下文窗口溢出和关键信息丢失。
- 两阶段多智体训练：先用监督微调初始化任务执行能力，再通过基于结果的强化学习（如成功奖励）优化技能选择与上下文压缩策略。该方法可直接迁移到电商多智体系统（如买家助手+卖家分析协同）的训练，让智体在与环境交互中自我改进。
- 工具选择层次化：引入高层策划器（Planner）与低层执行器（Executor）的解耦设计，降低工具选择错误。电商场景中可分离“意图理解与方案制定”和“具体API调用”，提升复杂推荐流程的鲁棒性。