普林斯顿陈丹琦团队：免微调破解长文本衰退，推理性能提升25%

背景：随着大模型支持更长的上下文窗口，长文本推理中的“Context Rot”现象导致模型性能随输入长度增加而急剧下降。研究目的：普林斯顿陈丹琦团队提出免训练的DYSCO解码算法，旨在通过动态调整注意力权重来提升模型在长文本中的推理性能，无需微调模型参数。结论：DYSCO算法通过聚合、选择和重缩放三个阶段，动态聚焦关键上下文，实验表明其在128K长文本基准上使Qwen3-8B性能提升高达25%，计算开销小，且与思维链（CoT）协同效果显著，为长文本应用提供了低成本解决方案。