MLA
压缩键值缓存,降低长上下文推理的显存与带宽压力。
从 DeepSeek网页版 处理长文,经 API 开放平台接入业务,再用 Harness 固定材料、版本和指标。盐田格子承载不同任务,格内写明浓度与边界。

每格标明能力浓度:注意力、训练、专家路由与长上下文共同支撑复杂任务。
压缩键值缓存,降低长上下文推理的显存与带宽压力。
在可验证任务中学习推理、复核和纠错路径。
按 Token 路由专家,分离模型容量与推断开销。
承载长文档、仓库级代码与连续会话。
先定义输入、边界和验收条件,再让任务进入格内。
依赖、风险、模块和测试。
命题、引理与条件验证。
义务、冲突与交易边界。
指标、约束、代码与偏差。
工具调用、状态和重试。
显存、吞吐与隐私规划。

服务端安全保存,不写入浏览器源码。
依据难度、上下文、延迟与预算。
保存版本、测试集和指标。

$ harness run \
--suite long-context-cn \
--metrics accuracy,latency,cost
[field 01] input locked
[field 42] revision found
[field 60] report sealed
PASS accuracy: 0.998保存数据、提示、参数和模型标识。
比较准确率、复核、时延与 Token。
不需要。本地页面可直接打开演示工作区。
数据边界、鉴权、超时、重试、日志脱敏和预算。
适合有固定输入与验收标准的代码、抽取、Agent 和长文任务。
先建立目录与证据索引,再分段抽取,最后合并结论。