代理工作流程越来越多地转向长期任务，例如开放式科学工作，其中模型受益于长时间的上下文窗口。然而，在超长背景下（超过100万个代币） ，全神贯注的成本过于昂贵。一种有前途的方法是稀疏注意力，其中专用的索引器选择一个关键的子集来引起注意。然而，目前的索引方法

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.42147v1)获取最准确的信息。

---
🔗 **原文链接**: [Latent Sparse Attention: Towards Subquadratic Ultra-Long Con](https://arxiv.org/abs/2610.42147v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Ales Kubicek, Andrea Caciolai, Liangzu Peng, Sukrit Sumant, Benjamin Hoover, Fraser Greenlee, Ruairidh M. Battleday, Radim Urban, Torsten Hoefler, James C. R. Whittington

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-11-02 13:01