Memorilla 內部記憶解析:Agent 真能因此變聰明嗎?
Memorilla 讓 LLM 直接檢索內部語義表示,可能降低上下文拼接成本,但記憶寫入、衝突處理、刪除與稽核機制仍缺乏公開資料。現階段只能確認技術方向,尚無足夠證據證明它優於 RAG。
Agent Memory 並非保存更多對話,而是讓 Agent 能跨任務寫入、組織、召回、更新與遺忘資訊。本文以 SQLite + FTS5 打造最小實作,並提出一套衡量記憶品質的評測指標。
Memorilla 讓 LLM 直接檢索內部語義表示,可能降低上下文拼接成本,但記憶寫入、衝突處理、刪除與稽核機制仍缺乏公開資料。現階段只能確認技術方向,尚無足夠證據證明它優於 RAG。
Memdoor 讓 5 個 Qwen3.8-27B 組成協作團隊,在 LiveCodeBench Hard 的成績超越 Fable 5。本文從工作流、上下文管理與工程成本,拆解多 Agent 協作如何真正運作。
Google Research 的 Sleep framework 將新知識學習與既有能力鞏固整合為同一套流程。它不只著眼於降低災難性遺忘,也為長期運行的 Agent 提出「線上執行、離線整理」的分層記憶架構。
Cursor 將原本限於 IDE 內的 Agent 能力包裝成 SDK,讓開發者能把程式碼執行、檔案修改與工具操作嵌入 CI、研發平台及自動化流程。真正值得關注的,不只是多了一項開發工具,而是 Agent 的執行層可能因此走出編輯器。
Artificial Analysis 更新 Intelligence Index v5,評估框架涵蓋推理品質、使用成本與 Agent 執行軌跡。企業可依四個步驟篩選候選模型,再以真實流量與帳單驗證效益。
OpenAI 公開前沿模型訓練環境的存取控制、風險監測與稽核機制。這套安全架構不只保護模型權重,也直接影響模型研發、驗證與部署結果的可信度。
OpenAI 評估模型在低資源程式語言上的程式碼生成與理解能力。這類模型較现实的初期用途,是協助局部改造難以重寫的遗留系統,但要實現可靠的自動遷移仍需更多配套工具與驗證機制。
Together Computer 開源 HybridAgent,將部分推理過程從文字搬到向量空間,並公開論文、程式碼與模型權重。本文從架構、復現方式到 benchmark 結果,檢視它如何降低 Agent 的 token 成本,以及實際應用仍有那些限制。
StarSkirmish Bench v0.2 讓 LLM 透過寫程式操控《星海爭霸》進行對戰,Gemini 4 Argon 暫居第一。它與 Claude、GPT 系列的分數僅差零點幾,但這場競賽真正考驗的是 Agent 長鏈路編碼與即時博弈能力。
遞迴自我改進喊了快十年,卻一直卡在同一道牆上——單一模型自己改自己,改到死胡同。Sakana 8 月初發的新 paper 換個思路:找一群模型互相提案、互相評審、共同迭代,繞過單體上限。
Anthropic 罕見地為 Opus 5.5 單獨開了一份 prompt 指南,在 Hacker News 拿下 127 分。本文整理其中三個顛覆既有認知的設計決策。