AI何时上橱窗_新浪新闻

焰照空海

26-06-08 05:58 微博认证：超话创作官（oc超话）

什么时候ai也能上橱窗了[疑问][疑问][疑问][疑问][疑问]

发布于德国

蚁工厂：

几万字都讲不明白的Memory架构与思考 http://t.cn/AXM7iQwK “本文所讲的 Memory：指 Agent 在长期交互中积累、可被检索与利用的记录/知识/经验库。它直接影响个性化、持续学习能力与长程任务表现。一个经验判断是：仅解决垂直问题的模型，其价值更依赖赛道规模；具备用户级个性化记忆的模型，其价值

2026-05-05 11:28:00

转发(125) 评论(9)

宝玉xp：

昨天“我觉得 AI 不但不会让架构师变多，反而可能会让架构师更加稀缺” http://t.cn/AXwFaauR 的观点下面，有人留言说：“不是让你自己成为编程架构师，而是你要让AI成为编程架构师” 对于这样的观点我是不认同的，AI 未来也许能成为编程架构师，但这套路径还很遥远，和 AGI 一样遥远： 1. 长上下文

2025-10-27 21:44:52

转发(22) 评论(6)

焰照空海：

什么时候ai也能上橱窗了[疑问][疑问][疑问][疑问][疑问]

2026-06-08 05:58:34

转发(0) 评论(6)

千问云：

【AI Agent 记忆系统：从短期到长期的技术架构与实践】本文系统阐述AI Agent记忆系统的核心技术：短期记忆（会话级上下文管理）与长期记忆（跨会话知识沉淀）。涵盖上下文工程策略（压缩、卸载、隔离）、Record/Retrieve架构、主流框架（ADK/LangChain/AgentScope）实现差异，及Mem0等开源方案集成，并

2026-03-04 09:50:28

转发(4) 评论(0)

爱可可-爱生活：

【Hermes Agent三层记忆架构，彻底治好AI助手转头就忘】快速阅读：Hermes Agent 通过三层记忆系统、自主编写技能（Skills）以及离线优化引擎 GEPA，解决了 AI 助手“转头就忘”的痛点，实现了从简单对话工具向具备自我演进能力的个人工作流引擎的跨越。现在的 AI 助手大多像个只有瞬时记忆的临时工

2026-05-14 17:08:08

转发(60) 评论(9)

i陆三金：

专门为 AI agent 打造的长期记忆：Mem0 Mem0 采用可扩展的记忆架构，动态提取、整合和检索对话中的重要信息。 Mem0 能够动态提取和检索关键对话事实——在 LOCOMO 基准测试上相比 OpenAI 提升了 26%的相对准确率，p95 延迟降低了 91%，使用的 token 减少了 90%。 Mem0 的管道由两个阶段组成——提取

2025-04-30 18:39:32

转发(35) 评论(3)

AIGCLINK：

一个开源Agent长期记忆系统：Hindsight，使Agent不只是记住对话历史，而是能真正学习和积累经验在LongMemEval上拿了SOTA，两行代码即能接入 Hindsight核心创新是其仿生记忆架构，让AI不仅能记住刚才说了什么，还能像人一样积累经验，学习成长对需要记住用户长期偏好做复杂决策支持场景的，比如搞A

2026-04-08 11:41:21

转发(30) 评论(4)

爱可可-爱生活：

Prompt engineering 正在进化，迎来更强大的 𝗖𝗼𝗻𝘁𝗲𝘅𝘁 𝗘𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴时代。核心在于构建动态系统，为大型语言模型（LLM）精准提供所需信息和工具，帮助其高效完成任务。 • 用户信息：偏好、历史和个性化数据，实现定制化响应 • 工具使用：API

2025-08-01 07:11:40

转发(51) 评论(5)

i陆三金：

谷歌最新的 Agent 白皮书，链接：www.kaggle.com/whitepaper-introduction-to-agents 谷歌将模型比作大脑，工具比作双手，编排层比作神经系统，部署比作身体与四肢。智能体分级： - Level 0：核心推理系统，单模型问答或推理系统（如 GPT 模型本身）。 - Level 1：连接型问题求解者，能调用工具与数

2025-11-11 10:54:52

转发(39) 评论(2)

麻省理工科技评论：

【谷歌提出创新神经记忆架构，突破Transformer长上下文限制】让 #AI模型# 拥有人类的记忆能力一直是学界关注的重要课题。传统的深度学习模型虽然在许多任务上取得了显著成效，但在处理需要长期记忆的任务时往往力不从心。就像人类可以轻松记住数天前看过的文章重点，但目前的 #AI# 模型在处理长文

2025-01-14 21:47:50

转发(23) 评论(2)

首页

导航

反馈

登录

Sina.cn(京ICP0000007)