从相似性到结构：基于混合图先验的无训练大语言模型上下文压缩

长上下文大语言模型计算成本高且处理超长输入能力有限，使上下文压缩成为关键组件。现有方法多依赖训练压缩器或启发式修剪，难以在严格令牌预算下兼顾任务相关性、主题覆盖及跨句连贯性。本文提出一种无训练、模型无关的压缩框架，利用结构性图先验选择紧凑句子集。该方法构建结合语义边与顺序边的稀疏混合句子图，通过聚类提取主题骨架，并基于可解释评分对句子排序，最终生成有序压缩上下文。实验表明其在长文档基准上表现优异。