Valori
摘要
Valori 是一个为AI应用设计的确定性记忆层，旨在提供可靠且一致的记忆功能。
<p>
面向AI的确定性记忆层
</p>
<p>
<a href="https://www.producthunt.com/products/valori-systems-deleted-1168484?utm_campaign=producthunt-atom-posts-feed&utm_medium=rss-feed&utm_source=producthunt-atom-posts-feed">讨论</a>
|
<a href="https://www.producthunt.com/r/p/1257192?app_id=339">链接</a>
</p>
相似文章
我构建了一个开源记忆层，用于阻止 AI 代理中的跨租户数据泄露
Verity 是一个新的开源、权限感知的多租户 AI 代理记忆层，它通过在检索查询中直接强制执行访问控制（而不是依赖模型行为）来防止跨租户数据泄露。
学习什么该记住：面向代理记忆的认知启发的多因素价值模型
提出一种面向LLM代理中代理记忆的认知启发的多因素价值函数，通过学习可解释的权重来决定在记忆约束下编码、遗忘和检索什么。相比仅基于相似性或基于最近性的基线方法，显著提高了黄金证据的保留率。
记忆深度,而非记忆访问:面向长时间运行语言代理的选择性参数整合
本文针对长时间运行的语言代理引入了记忆深度的概念,将其与基于检索的记忆访问区分开来,并提出了EVAF——一种利用惊喜和效价门控LoRA更新的选择性参数整合机制。跨多个模型的实验表明,EVAF在上下文卸载后以极少的参数写入提高了目标持久性。
我为AI编码代理构建了一个开源持久记忆层
一个为AI编码代理设计的开源持久记忆层，使用Postgres和pgvector存储和检索项目决策与上下文，旨在减少上下文窗口大小并提高代理的一致性。
记忆是有代价的：资源约束下学习记忆的价值
论文提出 TokenWorth，一个轻量级在线记忆框架，在严格的资源约束下学习哪些历史经验值得保留和重用，从而在提升终身智能体任务成功率的同时减少 token 消耗。