标签
本文详细描述了一项为期25周的AI智能体记忆系统实验，该系统采用情景记忆和语义记忆，并进行每夜整合，避免在记忆晋升过程中使用LLM，并使用四张独立的图分别表示关联、证据、因果和随时间变化，同时突出了如吸引子盆地等会降低检索效率的缺陷。
一位开发者分享了一个多代理系统的原型记忆架构，包含对情景记忆、语义记忆和程序记忆的分开存储，以及基于意图的检索，寻求关于可扩展性和设计选择的反馈。
本研究使用语义熵（一种基于NLP嵌入的度量），比较盲人与明眼人的语义记忆导航。结果表明，视觉经验影响熵的模式：明眼人对抽象概念的熵更高，而盲人对视觉显著性具体概念的熵更高。
一位开发者分享了他们使用 Anthropic SDK 和 TypeScript 构建具有记忆功能的 AI 智能体的经验，解释了工作记忆、情景记忆、语义记忆和程序记忆之间的区别，以及为生产环境扩展记忆所面临的挑战。
一位前谷歌工程师在12分钟内解释了AI智能体记忆架构，涵盖工作记忆和三个记忆层（程序性、语义、情景），并使用总结器防止令牌膨胀，类似于Claude所用的。
ActiveGraph引入了一种确定性的非生成式方法，在语义记忆之前进行证据汇编，在LongMemEval-S上实现了85.6%的问答准确率和86.2%的上下文回合答案准确率。
Memanto 引入了一个基于模式（schema）、冲突解决机制以及 Moorcheh 信息论检索引擎的类型化语义记忆系统，在 LongMemEval 和 LoCoMo 基准测试中取得了最先进的结果，且零摄入成本、延迟低于 90 毫秒。
本文介绍了会话信息增益（CIG）框架，用于通过跟踪不断演变的语义记忆来衡量发言如何推进审议对话中的集体理解，并根据新颖性、相关性和蕴含范围对发言进行评分。作者证明了基于记忆的动态与人类感知的对话质量相关性强于传统启发式方法，并开发了基于LLM的信息中心会话分析预测器。