★ 3
持久发现上下文提升数据中心智能体检索质量
论文提出持久发现上下文,一种存储意图到对象映射的轻量记忆层,用于增强数据智能体的检索。在三个结构化数据环境中,该方法一致优于仅元数据搜索,且在词汇稀疏领域表现更佳。研究表明发现结果可作为可复用上下文,提升智能体效率。
arXiv cs.AI60 天前
共 4 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出持久发现上下文,一种存储意图到对象映射的轻量记忆层,用于增强数据智能体的检索。在三个结构化数据环境中,该方法一致优于仅元数据搜索,且在词汇稀疏领域表现更佳。研究表明发现结果可作为可复用上下文,提升智能体效率。
前 OpenAI 员工推出 FastRecall,旨在解决不同 AI 模型间上下文管理割裂的问题。该产品提供简单 API,可低成本存储上下文并实现跨模型无缝迁移,召回完全免费,付费计划每月 2 美元起。还支持利用提供商缓存节省推理成本,并提供模型无关的上下文压缩方案 FlashCompact。
GitHub 上出现开源项目 Cortex Protocol,定位为自主 AI 智能体提供 L1 级记忆与状态管理基础设施。该项目试图解决智能体长期记忆与状态一致性问题,目前关注度较低。
Recalld是一个面向AI代理的记忆层,声称只返回相关事实,帮助代理更精准地调用记忆信息。该产品发布在Hacker News上。