**STAIR:利用早期计算历史提升LLM多轮推理准确率**

_Can Computation from Earlier Problems Help LLMs Solve New Ones?_

> 针对LLM在同一对话中解决独立问题时,早期历史对后续准确率影响不稳定的问题,研究提出STAIR(Stale-Token Attention for Inter-query Reuse)方法。该方法通过固定存储早期响应的键值对,并仅训练12,288个参数来重定向当前查询,在冻结基座模型的情况下,显著提升了多轮对话中的推理性能,平均准确率最高提升11.67个百分点。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-05 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39394)