热点事件持续更新
用户发布 ALHR 长上下文注意力，KV 压缩 550 倍
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 13 日，有用户在 Reddit 发布长上下文注意力系统 ALHR 的更新。该系统自称采用 O(NlogN) 的树形注意力，基于静态二叉树加可学习函数，减少推理时需要读取的 key 数量。作者称在 MQAR 任务上长上下文准确率约 97%。实测数据为：上下文长度 4096 时 KV 读取压缩 126 倍、每 token 仅读取 32 个 key，Top-1 准确率 93.3%，稠密基线为 95.4%；上下文长度 16384 时 KV 读取压缩 550 倍，准确率降至 79.2%。目前公开信息仅来自发布者的自述与实测数据，尚无第三方复现或同行评议。
AI 根据报道生成 · 3 小时前更新
最新进展10月13日 19:52
ALHR 更新称 16384 上下文下 KV 读取压缩 550 倍，Top-1 准确率 79.2%。报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- AGI HuntALHR：自研 O(NlogN) 树形注意力，KV 压缩 550 倍仍保 79% 精度
Reddit 用户发布长上下文注意力系统 ALHR 更新，基于静态二叉树加可学习函数减少需读取的 key 数量，MQAR 任务上长上下文准确率约 97%。实测上下文 4096 时 KV 读取压缩 126 倍、每 token 仅读 32 个 key，Top-1 准确率 93.3%（稠密基线 95.4%）；16384 时压缩 550 倍、准确率 79.2%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。