对长语境的理解和推理已成为在现实应用中部署大型语言模型（ LLM ）的关键要求。尽管最近的LLM支持越来越长的上下文窗口，但它们通常无法使用输入中已经存在的相关证据，从而揭示了上下文访问和有效上下文利用之间的差距。在这项工作中，我们提出了递归Ev

---
**📖 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/2607.02509v1)获取最准确的信息。

---
🔗 **原文链接**: [ReContext: Recursive Evidence Replay as LLM Harness for Long](https://arxiv.org/abs/2607.02509v1)
🏷️ **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: Yanjun Zhao, Ruizhong Qiu, Tianxin Wei, Yuanchen Bei, Zhining Liu, Lingjie Chen, Ismini Lourentzou, HANGHANG TONG, Jingrui He

---
🐾 **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。
推理能力是LLM的下一个战场。这篇文章技术细节到位，适合有一定基础的同学细读。

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_

---
⏱️ 2026-07-06 19:14