日本团队利用超分辨显微镜发现，活跃基因所在的真染色质并非教科书描述的松散开放状态，而是压缩成直径约200纳米的团块。粘合素不维持这种压缩，而是隔离团块；缺失粘合素后压缩仍存在，但核小体乱窜、基因串门、共爆发增加。压缩由静电驱动，隔离依赖粘合素，颠覆了“压缩即沉默”的传统模型。

CompactGUI是一款利用Windows NTFS压缩功能的图形界面工具，可压缩现有文件节省空间，如压缩Epic游戏文件夹节省5%空间。压缩后游戏可直接运行，对现代CPU影响极小，甚至可能缩短加载时间，尤其在机械硬盘上。新版4.0测试版重新设计界面，支持中文，需下载相关运行库。

本文介绍Hermes Agent的长会话架构，核心是稳定Prompt前缀以命中缓存、分层压缩上下文（保留头尾总结中段）、用SessionDB存储快照，并通过SQLite租约机制防止多进程并发写坏历史。压缩失败时有回退或暂停策略，确保长期会话的可靠性与可恢复性。

本文探讨AI智能体记忆管理的核心矛盾：压缩与递归。RNN式压缩有损细节，导致长任务中遗忘；RLM式递归保留细节但索引膨胀，成本高。实验显示，智能体在长周期任务中因记忆管理缺陷，仅追平人类82%进度。RLM通过可搜索索引处理千万级Token，但高百分位成本飙升。文章指出，最优平衡点尚未找到，记忆管理或需在“记不住”与“查不到”间抉择。

压缩与预测在数学上等价，大语言模型本质是超级压缩器。通过上下文预测下一个符号，概率越高所需比特越少，如字母U在Q后概率飙升，压缩效率大增。LLM训练目标交叉熵损失即最小化比特数，与压缩原理一致。虽压缩能力极强，但因模型庞大、计算成本高，无法替代gzip等实用工具。

K3缓存大因参数多（2.78万亿）及24层无压缩层，保细节；V4缓存小因全层压缩，靠工具补缺。两者取舍精度与速度，无绝对优劣，反映技术路线与资源选择差异。

开源社区通过REAP修剪专家、GGUF量化、混合精度等技术，将7530亿参数的GLM-5.2模型压缩至消费级硬件可运行，体积削减80%，成本从7万美元降至1.5万美元，智商保留82%。KV缓存优化提升上下文至74万token，Moet方案实现2位权重运行。开源创新推动AI模型个人化，挑战高价硬件垄断。

本文介绍ResULIC框架，用于超低码率图像压缩，结合潜在特征、语义残差和扩散模型。核心模块包括语义残差编码（SRC）减少文本冗余，和压缩感知扩散模型（CDM）自适应匹配码率。实验显示，相比PerCo，LPIPS和FID分别节省80.7%和66.3%的BD-rate，提升感知质量与重建一致性。

RTK工具宣称可减少Claude Code 60-90%的token消耗，但实测显示在低推理成本下费用反增7.6%，高成本下无差异。其压缩仅触及约20%工具输出，且自报节省基于错误假设。质量未受影响，但实际无节省，建议评估压缩工具应测量实际账单而非工具自报数据。

Postgres 19计划将默认的TOAST压缩算法从pglz更改为LZ4，LZ4在压缩速度和压缩比上优于pglz，更适应现代硬件。Postgres使用统一的压缩框架，自动对可变长度类型进行压缩，TOAST的实现将继续优化压缩算法以解决数据存储问题。

群晖DSM 7.4正式发布，新增数据缩减功能，自动删除重复数据并压缩文件，节省存储空间。引入AI助手、私有知识库和GPU信息显示等功能。部分早期设备将不再支持此版本，数据缩减功能适用于2022年及以后推出的型号，提升存储效率。