**规模化端到端上下文压缩：LCLM 模型族实现高效长上下文推理**

_End-to-End Context Compression at Scale_

> 针对长上下文模型推理中 KV 缓存内存瓶颈，本研究提出潜在上下文语言模型（LCLM），一种编码器-解码器压缩器。通过架构搜索和在 350B+ token 上预训练 0.6B 编码器与 4B 解码器组合，在 1:4、1:8、1:16 压缩比下显著提升性能、速度与内存使用前沿，并支持长周期智能体按需扩展关键上下文。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.09659)