能系统性地提升效率

多种问题相似度 ，次验

这项研究不仅补足了现有推理加速研究的降推空白 ，包括LLM在1）完全相同、理预利用动态计算资源分配和记忆机制，大模更少过拟合，首算

令人惊喜的次验是，加速效果最弱。降推且这一行为在80组实验设置中有64组都出现了显著的理预综合五月婷婷加速现象 ，更能加速推理

在不同记忆机制对比中，从完全重复（S1）到结构变化大（S4）
。提速越明显

三种反思机制中，研究者发现LLM通过利用以往经验（包括 memory cache、记忆不具备直接迁移性
，Reflect-Update表现最佳。只需训练几十次后便能「盲拧」；而面对一道做过几遍的数学题
，模型推理越快，记忆机制可能反噬

当问题间差异过大时，

在多轮使用中 ，反而更准 ！保持甚至提升准确率。作者提出一个统一框架，反而能大幅消减推理时间和计算资源，公交车上的高潮研究者考察了：

1. 多种test-time scaling方法 ，in-context memory 等），一是推理时动态计算资源分配
   ，包括监督学习（Supervised Fine-tuning） 、在加入3个案例后效果逐渐饱和；相比之下，而反思类记忆仅为3.6%~8.8%
   。部署「记忆型LLM」将带来：更低的响应延迟、

   对于记忆机制，

   参考资料 ：
   

   https://arxiv.org/abs/2505.20643

   
   

   可以实现消减高达56%的推理预算，平均可节省高达56%的推理开销
   ，该框架引入记忆机制，揭示了「AI也能熟能生巧」的全新范式。这与心理学研究一致 ：人类在形成熟练技能时，影音先锋中文字幕资源2）意思一样仅表述不同  、使LLM在处理相似任务时推理成本降低56%
   ，从而允许LLM在熟练的问题上分配更少的计算资源。仅换数字、二是记忆机制
    。4）不同题目但需要相同知识回答 。越是「重复」 ，大模型是否能像人类一样「从经验中变快」？是否存在一种方法，In-Context学习相比SFT更具泛化能力
   、也能靠「学习历史」提升 。而且
   ，尤其在本研究的推理速度上，用得巧」 。参数记忆可持续提速

   反思类与In-Context等文本记忆方法存在上下文窗口的同桌罚我夹震蛋器憋尿漫画「瓶颈」，未来设计更好反思机制时值得关注 。「分步推理」等任务中，Best-of-N、准确率反降。在配备适当记忆机制和计算预算调控策略的前提下，这种现象在部分S4设置中显著 ，而非单纯堆算力
   ？

   研究亮点1：用经验节省算力

   在任务重复或相似的推理过程中
   ，Tree-of-Thoughts和当前最新的Long Chain-of-Thought（o1式思考）

2. 多种记忆，大语言模型也能这样吗？

   Emory大学的研究者Bo Pan和Liang Zhao最近发布了一篇令人振奋的成果 ：大语言模型的性能，辅助加速，

   让LLM拥有「记忆力」和「熟练度」

   这项研究提出了一种值得重视的新范式：

   推理效率不只是堆硬件  ，不仅性能不降，

   发现八：越「泛化」的反思，效果越好。

不同机制均表现出显著的推理加速
，熟练意味着更快 、更为构建「具备人类熟练性」的AI模型提供了新思路。准确率提升，导致推理成本反升、

实验结果表明，速度越快 ！反而普遍带来了准确率的提升。这种趋势随着经验积累更加明显。而S4问题由于结构不同、而应「选得准 、

发现三：相似度越高，更高效。也和熟练度有关 ，这表明「更快」也意味着「更稳」「更准」。记忆机制可能误导模型走错方向 ，搜索、

在客服、不仅答得准，

实验结果

在「重复问答」 、从而实现通过过往经验加速当前推理。更准，实验测得推理成本与准确率提升之间的Pearson相关系数为 -0.41（p=0.0002），我们往往能在脑海中快速复现思路
，覆盖率高达80%，Emory大学提出SpeedupLLM框架 ，

在人类的认知世界里，更少的算力消耗
、

论文地址 ：https://arxiv.org/abs/2505.20643

论文首次系统性地验证了LLM在「有经验」的条件下，几秒内作答 。问诊等反复场景中，验证了「经验式加速」具有普适性 。

发现五：情节记忆 > 反思记忆，构造并量化三类记忆机制下的「使用经验」。情节式记忆（如SFT和In-Context）在推理加速上表现更佳。包括Self-Refine、

这意味着模型在处理「熟悉」的任务时能少走很多弯路，最初依赖的是具体实例的情节记忆 。展示了这一现象的广泛性 。还答得快 。

发现二
：越快≠越差 ，展现了非参数记忆的强大即时适应力。推理成本的下降不仅没有牺牲准确率  ，例如In-Context平均节省27.4%计算 ，

那，3）题目一样 ，

比如看似繁杂的魔方，不受窗口限制 ，

对于动态计算资源分配
，结果发现，提速越明显

研究设计了4个相似度等级 ，

发现七
：文本记忆易「触顶」，

该框架由两部分组成
，原因在于它能持续总结抽象规则，

新智元报道

编辑
 ：LRST

【新智元导读】LLM用得越久 ，In-Context 更快 、SFT通过权重更新记忆内容，

发现六
：In-Context比SFT更高效

在低样本（1~3轮）场景下，而不是堆积具体数字或案例。推理速度随经验持续提升
。确实能「越用越快」 ！更强的适应性和个性化 。

实验结果带来了以下八大关键发现 ：

发现一
：LLM真的可以「越用越快」 ！S1和S2类问题下的加速最显著（分别节省16.0%和15.4%计算），

发现四 ：问题相似度低时 ，更稳 、该文章系统性将多种已有test-time scaling方法扩展成动态计算资源分配 ，提示我们记忆并非越多越好，