第 53 题：上下文压缩（Context Compression）在长文本场景的应用 题目 解释上下文压缩（Context Compression）技术在长文本场景的应用。 一、为什么需要上下文压缩？ 长文档、多轮对话或大量检索结果会占满 context 窗口，导致：超出模型长度限制、重点信息被挤到边缘、成本与延迟上升。上下文压缩 指在保留关键信息的前提下缩短或摘要送入模型的文本，使更多内容“塞得进”且关键信息不丢。 二、常见做法  摘要：对长段做摘要（用模型或抽取式摘要），只把摘要放入 prompt；适合“只要大意”的问答与检索后阅读。 选择性保留：按相关性或重要性筛选句子/段落（如用检索分...

今天早高峰10号线，人挤人，我好不容易站稳，余光扫到旁边座位上有个穿校服戴红领巾的小男孩，正低头盯着iPad。我以为他在看动画片，好奇瞟了一眼——好家伙，在刷leetcode。我人都傻了。我小学五年级还在玩赛尔号，人家已经在地铁上刷题了。让我想起来现在也有很多机构推出面向小孩的人工智能课、AI使用课...现在连小孩都这么卷了吗？

目标暑假能搞到小厂实习

刷到有人问华泰星战营，翻下去年的经历，随便写写。bg：本天津大学，硕新国立，江苏人。当时其实主要是想找个暑期实习，对秋招有帮助那种。华泰base南京，我肯定重点看。没想着一定要拿offer，就觉得能去券商科技部门体验一下挺好的。结果……后面真拿到了，还拿了最高档奖金。我做的课题：金融领域有个痛点——前台写报告需要翻大量资料找数据，纯纯体力活。我们搭了个智能体，用大模型编排了一套流程：海量文本去重→提取→再加一个“反思”节点。就是第一轮提取的结果不一定符合需求，让大模型自己反思一下上一轮的结果，循环迭代，直到输出满意的东西。最后还要转成md这种指定格式。相当于一个“提取+反思”的循环结构，帮前台...