热点事件持续更新
zip2zip++ 提出推理时 Token 压缩方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv cs.CL 刊出 zip2zip++ 论文，提出一种推理时 Token 压缩方法，目标是在不改动预训练模型的前提下把压缩导致的质量损失降到最低。该工作采用解耦的输入/输出动态嵌入层、size-aware RoPE 定位，以及支持选择性合并与多视图分词的改良 LZW 编解码器。报道称，在四个模型上，该方法提升了所有评测语料的困惑度与数学推理准确率；在通用文本上以相近压缩率弥补了 zip2zip 与未压缩基线之间约一半的质量差距。目前尚无后续复现或其它报道，事件仍处论文发布阶段。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
论文发布：zip2zip++ 在四个模型上提升困惑度与数学推理准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CLzip2zip++：迈向最小质量损失的推理时 Token 压缩
zip2zip++ 用解耦的输入/输出动态嵌入层、size-aware RoPE 定位与支持选择性合并和多视图分词的改良 LZW 编解码器，在不改动预训练模型的前提下缩小了 Token 压缩的质量损失。在四个模型上，该方法提升了所有评测语料的困惑度与数学推理准确率，并在通用文本上以相近压缩率弥补了 zip2zip 与未压缩基线之间约一半的质量差距。
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。