L'auteur a publié Trimwise, une bibliothèque Python open-source conçue pour adapter un texte source à un budget de contexte spécifique en supprimant le matériel non pertinent tout en préservant les éléments probants pertinents pour la question actuelle.

  • La bibliothèque prend en charge l'élagage mono-source via `atrim` et l'élagage multi-source via `atrim_context`, ce qui permet aux sources de concourir pour un budget partagé.
  • Elle sélectionne des segments de source existants plutôt que de générer des résumés, fournissant des informations de provenance pour retracer le texte conservé jusqu'à ses entrées.
  • Le chemin lexical par défaut ne nécessite aucun poids de modèle ni inférence LLM, bien que des modes basés sur l'embedding soient disponibles pour une sélection sémantique et hybride.
  • Les benchmarks publiés couvrent des scénarios spécifiques, l'auteur cherchant des retours sur les cas limites tels que les qualifiants perdus, la négation ou les faits révisés.

L'outil vise à répondre au compromis où une simple troncature élimine le contexte nécessaire, offrant un moyen de conserver les éléments probants pertinents sans générer de nouveau texte.