Idea
Ejen yang bekerja berjam-jam memenuhkan konteks; penyelesaian kini datang dari luar model. Kertas arXiv 29 September 2026 (University of Washington, Meta, MIT, Trillium Labs), dilaporkan InfoQ pada 11 Oktober, mencadangkan Context Language Models (CLM): konteks sebagai fail yang model tulis semula secara bebas. Kod di GitHub (facebookresearch/context-language-models).
Keputusan
- Zero-shot: +11.4% ketepatan BrowseComp-Plus dengan 21.5% kurang FLOPs; +5% EdgeBench 12 jam dengan 59% kurang FLOPs.
- RL: Qwen3.5-9B dari 28.8% ke 42.5%.
- Suffix Cache Reuse: 35% kurang pengiraan pelayan.
Kaveat
Boleh membuang maklumat penting, konteks boleh suntingan ialah saluran prompt injection baharu, dan menulis semula membatalkan cache.
Untuk pembina ejen
- Konteks ialah kos.
- Uji strategi konteks.
- Konteks = permukaan serangan.
- Jaga cache.
Sumber
- arXiv 2609.37725 (Context Language Models): https://arxiv.org/abs/2609.37725
- GitHub, facebookresearch/context-language-models: https://github.com/facebookresearch/context-language-models
- InfoQ (2026-10-11): https://www.infoq.com/news/2026/10/context-language-models/
Mahu mengoptimumkan kos dan kebolehpercayaan ejen AI anda? KGA IT menawarkan konsultasi percuma: kga-it.com.