GRC：统一推理驱动的生成、检索与压缩

针对当前文本嵌入与生成任务分离训练导致的高成本问题，本文提出 GRC 框架，在单次前向传播中统一推理驱动的生成、增强型文本表示及上下文压缩。通过元潜变量 token 及统一调优方法，该模型实现了模块化灵活性，显著降低 RAG 部署难度并提升数据利用率。此外，框架引入了“自推理潜变量嵌入”新范式及“潜变量记忆增强生成”，利用 O(1) 长度的内部化压缩 KV 缓存作为可更新记忆，有效支持长上下文与持续学习场景下的智能体任务。