4B 模型加 8K 上下文堆算力反而更差，Nous Research Hermes 提出上下文推理新思路

Nous Research 的 Hermes 团队发现，4B、8K 上下文窗口模型堆更多测试时算力，性能不升反降。团队认为跨上下文窗口扩展不只靠行内推理，更依赖被 benchmark 严重低估的上下文推理：何时委派任务、摘要保留什么、如何继续推理。Hermes 组合多个简单想法训练这种能力，实现灵活的测试时扩展。