用 Claude Code 跑长任务，上下文一满它就自己压缩一遍，前面交代过的约定忘掉一半，烦得很。

那能不能让记忆一直往上加，生成又不变慢？

Percepta 这条说的就是这个。他们的新架构叫 Spotlight，给模型一块会增长的记忆，知识和能力往里放，权重不动。按他们的说法，不管存了多少东西，每个 token 的生成工作量都是恒定的。早期训练实验里，RULER 这类要召回的长上下文评测，比 Attention 和 Gated DeltaNet 好。

可这个恒定包不包括检索、写入和维护记忆的开销，帖子里一个字没提。

还说在模型里搭了 Python 和它的包生态，这个演示我没看懂想说明什么。开头那句“LLM 不用重训就能变强”喊得有点大，我先把它当一个想盯着看的架构方向，两篇博客周末读。

#人工智能 #大模型 #AI