Publicado em 6 de julho de 2026, o artigo apresenta o ReContext, um método de inferência sem treinamento para reapresentar evidências relevantes antes da geração. O trabalho relata resultados em oito conjuntos de dados de 128K e três backbones.
O ReContext é um método de inferência sem treinamento que usa sinais internos de relevância do modelo para montar um conjunto de evidências condicionado à consulta. Esse conjunto é reapresentado ao modelo antes da geração, com o objetivo de melhorar o uso de evidências em tarefas com contextos longos, sem treinamento ou memória externa.
Publicado em 6 de julho de 2026, o artigo relata melhor uso de evidências em oito conjuntos de dados de 128K, com três backbones de modelos. Para conhecer os detalhes e verificar condições, métricas e resultados, consulte o artigo original e confira como ele define as tarefas e compara os métodos; o resumo disponível não especifica esses elementos.