英文：Length Extrapolation 分类：frontier
让在短序列上训练的模型在远超训练长度的序列上仍然可用，典型做法是调整 RoPE 底数、位置插值与 YaRN 等缩放策略。它是把模型上下文窗口从数万扩到百万的主要技术路径。
前沿方向的技术探索通常从理论假设开始，经过小规模验证、规模化训练、再到产品化。关键挑战包括：算力可扩展性、数据质量天花板、推理时计算（Test-time Compute）与安全对齐。
从达特茅斯会议（1956）提出AI概念，到专家系统、统计学习、深度学习，再到如今的大模型与AGI探索，AI经历了多次寒冬与复兴；当前正处于算力与数据共同驱动的爆发期。
前沿技术商业化通常需要3-5年成熟期，早期投资者关注技术壁垒与团队；企业用户则应关注成熟度曲线，避免在炒作期过度投入。