热点事件持续更新
EDAR：基于熵自适应路由的RAG与长上下文框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，arXiv cs.CL 刊出论文，提出 EDAR——一个自适应熵路由框架，用于混合检索与长上下文语言模型。该框架在推理时依据 RAG 响应前几个 token 的预测熵，决定直接采用检索片段作答，还是升级为完整长上下文处理。在 LongBench v2 与 Infinity-Bench 两项基准上，EDAR 保留了纯长上下文基线 97.4% 的准确率，同时将 token 开销减少 70.7%，且仅有 18.2% 的查询被升级到长上下文路径。报道中暂未出现与上述数字或说法相矛盾的内容，也未见此前版本的报道。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CL超越上下文窗口：面向混合检索与长上下文语言模型的自适应熵路由框架 EDAR
EDAR 自适应熵路由框架在推理时依据 RAG 响应前几个 token 的预测熵，决定直接用检索片段回答还是升级为完整长上下文处理。在 LongBench v2 与 Infinity-Bench 上，它保留纯长上下文基线 97.4% 的准确率、token 开销减少 70.7%，仅 18.2% 的查询被升级。
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。