模型思考得越久，越像把每一步草稿都摊在桌上：内容不断增加，桌面很快不够用。这里的“桌面”是显存，草稿则是 KV 缓存——模型保存此前文字的中间计算结果，免得生成下一个词时从头重算。问题在于，长思维链里既有关键结论，也有后来已无用的岔路，全部等量保留并不划算。
作者提出 TAM：先按段落边界把推理过程切成多个思考片段，再观察模型近期生成时真正回看了哪些内容。这里的“注意力”就是模型给旧内容分配的参考权重。TAM据此自适应分配压缩空间：重要片段多留，次要片段少留，同时保护受到高度关注的关键 Token（文字单位）。
据论文作者在 Qwen3-4B 上的实验，定期压缩把峰值显存限制在 3.1—3.2 GB，较不压缩降低 65%；在 AIME 2024 和 MATH-500 上，准确率分别为 56.7% 和 65.4%，低于不压缩时的 63.3% 和 71.2%。它展示的不是“无损省显存”，而是一种更懂推理内容轻重的取舍。