边缘LLM智能体解耦架构抵御上下文污染
热点事件持续更新
边缘LLM智能体解耦架构抵御上下文污染
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
Masaaki Nakatsu 与 Reno Wang 发布预印本论文，提出解耦架构 AO-DA：在同一个 INT4 基础模型上把逻辑推理（"What"）与人设表达（"How"）拆成两条推理路径，用可热插拔 LoRA 适配器切换人设，目的是让边缘设备上智能体的逻辑部分不受冗长、误导性且人设密集的历史记录干扰。 论文称，解耦的代价是话题首轮多一次解码，Llama 上为 28.2 秒对 18.2 秒；换来的是 1.7 毫秒内热插拔人设且无需重跑逻辑路径。代码、评测标准、污染夹具、适配器与日志已一并公开。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
将逻辑与人设解耦：边缘 LLM 智能体对上下文污染的结构性免疫报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.CL将逻辑与人设解耦：边缘 LLM 智能体对上下文污染的结构性免疫
研究提出解耦架构 AO-DA，将逻辑推理（"What"）与人设表达（"How"）拆分为同一 INT4 基础模型上的两条推理路径，通过可热插拔 LoRA 适配器实现。
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。