长上下文压缩不该等问句到了再砍

长上下文一压，常见做法是等问句到了再按注意力砍缓存。问句还没来、后面会问什么也不知道时，这份预算很容易摊薄。这篇反过来：文档先预填一段代读文本，让模型自己出六条读者可能问的题，并用原文原句作答；再按键偏离度在每四千词块里钉锚点，扩到整句。方法写成阁楼式预演。论文号 2610.12133，2026-10-08 挂到 arXiv。本轮没有独立项目仓，实验跑在开源压缩套件里。数字以论文表为准，不是本轮复现。

留百分之五，大约能塞进二十份缓存

主实验留 5%。作者写成：同样内存里，留百分之五大约能放下二十份缓存；留百分之三十大约只有三倍。八十亿档四千词尺规上，满缓存 96.5，只预演 82.1，对照压缩 76.8，压缩加号 58.6；预演接到复原分数器到 88.9。同一档一万六千词是 75.1。留 3% 时预演 73.4，压缩加号 31.5，差距写成 41.9 个点。四十亿和一百四十亿档四千词分别 76.5 和 87.6。指令八亿档 77.2，满缓存 95.8。

十四项自然长文上，八十亿档满缓存 47.1，预演 40.6，对照 39.1，压缩加号 28.6，复原加预演 42.4。指令八亿档预演 39.3，满缓存 45.1。一页多问的短依赖，预演 36.2 / 18.6，复原加预演 40.9 / 20.7，满缓存 65.7 / 34.2；长依赖复原加预演 26.1 / 9.2，说明预演能站住，却补不回整篇重读。压缩一段文档大约 126.0 秒，接到复原分数器 142.5 秒，对照加号 154.8 秒；写六对问答最多二百五十六个词元，大约 11 秒，只做一次。

问句没到，就先让缓存把自己读一遍

预演长度大约 0.42，对照 0.35，整篇重读是 1.00。每四千词一块，按键偏离度取该留下的位置，再扩到整句，预算跟着句子走，不是固定窗口。作者的判断是：整篇重读会把紧预算摊开，把事实挤出去；先代读、再按块钉锚，才知道该留哪一句。预算扫描上，留 3%、5%、10%、20%、30% 分别 73.4、82.1、94.1、96.1、96.0，过了百分之十就几乎贴满缓存。预演还可以接到别的分数器上：梯度加预演在四千词和一万六千词是 83.7 和 80.6。它不另训，问句到来之前就能压完，后面来多少问都共用这一次预演。

压缩套件本身大约一千二百星，协议 Apache-2.0，页上还没有挂这种预演名字。若你要的是可下载独立插件，这篇还不满足；若你要看问句没到该不该先砍缓存，数字都在 10-08 那一版里。本轮没有把作者花名册写进正文。