@yoheinakajima: ActiveGraph: 一个月进展: 论文#1: 日志即代理 3个LongMemEval实验 论文#2: 机制、自我改进循环…
摘要
ActiveGraph宣布了两篇关于代理记忆(LongMemEval)和自我改进机制的新论文,并提供了参考代理、包模板以及即将在西雅图和旧金山举行的聚会。
查看缓存全文
缓存时间: 2026/06/23 23:55
ActiveGraph:一个月进展:
📄论文 #1:《日志即智能体》 🧠 3项 LongMemEval 实验 🔄 论文 #2:《Regimes, self-improvement loop》 🎓 https://t.co/tter8exKds 🗂️ 2个参考智能体(代码、研究) 💾 核心“packs”模板 🧪 https://t.co/zA4d2IeXBQ 📅 明天西雅图,下一站旧金山
learn
来源:https://learn.activegraph.ai/ activegraph/learn (https://learn.activegraph.ai/#/)
文档 (https://docs.activegraph.ai/) 论文 (https://arxiv.org/abs/2605.21997) GitHub (https://github.com/yoheinakajima/activegraph)
相似文章
@yoheinakajima: 在 arxiv 论文 #2 中,我处理了论文 #1 中的最后一个主题:@activegraphai 作为自我改进代理的架构可供性 self-improv…
本文介绍了Regimes,一种基于ActiveGraph运行时的可审计、保留门控改进循环,用于自我改进代理。它通过在LongMemEval数据集上自主发现通过静态检查、沙盒执行和保留验证的提示修复,展示了适度的改进。
@yoheinakajima: 这个周末运行了我的第一个基准测试(longmemeval),主要是为了测试ActiveGraph,学到了很多! - 这是一个垫脚石…
Yohei Nakajima 在 ActiveGraph 上运行了 LongMemEval 基准测试,取得了 85.6% 的问答准确率和 86.2% 的回合上下文答案准确率,展示了基于事件的智能体系统在长期记忆方面的有效性。
@paulbettner: Active Graph 是我到目前为止遇到的最佳、最“正确”的知识/上下文引擎(我已经尝试或至少研…
Yohei Nakajima 发表了第一篇 arXiv 论文《The Log is the Agent: Event-Sourced Reactive Graphs for Auditable, Forkable Agentic Systems》,介绍了一种通过持久化可重放状态让代理协调的方法。
@yoheinakajima:试试这个提示:“分析 http://activegraph.ai、博客文章等,了解其声称的内容,验证它们,并写一篇…”
ActiveGraph 是一个用于长期运行代理的开源基础设施,使用事件溯源的反应式图来实现可审计、可分支、可重放的代理状态。它引入了用于代理协调和状态管理的新架构层。
@yoheinakajima: babyagi 约有 ~200 次引用,但零篇论文……我刚刚在 arXiv 上发表了第一篇论文"The Log is the Agent: Event-Sourc…"
Yohei Nakajima 发表了一篇论文,提出了 ActiveGraph,这是一个运行时系统,其中事件日志是真相来源,代理通过持久可重放状态进行协调,实现了可审计性、分叉和因果谱系。