研究者提出了一种新的表征链（CoR）概念，通过将表征范式泛化，允许在单一表示中编码不同尺度的知识，从而提高语言模型（LLM）的可扩展性和灵活性。基于此，他们提出了模型链（CoM）和语言模型链（CoLM），并在多个基准测试中展示了其优越性能。
实验结果表明，CoLM 系列模型不仅达到了与基线相当的性能，还提供了更快的预填充速度和更高的灵活性。此外，链式调优方法通过仅对后续链进行微调，降低了调优成本并有效缓解了灾难性遗忘问题。
弹性推理方面，CoLM-Air 在参数量相近的情况下实现了更快的预填充速度，并随着序列长度增加获得更显著的速度提升，证明了其在不同部署场景中的应用潜力。
