标签
本文介绍了EvtGraph，一个高效的多模态时序图学习框架，在预算约束下将序列压缩为事件级令牌，在临床和跨领域基准上展示了相较于Transformer和循环基线更好的性能与效率。
本文提出了Mass-Aware Attention（MAA），这是标准注意力归一化的一种泛化，通过在重复情况下以不同速率缩放分子和分母来保留证据积累信息，从而提高了表示的信息量，并在时序图及其他领域提升了任务性能。
对AI代理的循环工程的详细解析：从手动代理监督转向具有触发器、制造器、检查器和持久状态的自主循环。推荐使用Zep的Graphiti进行时序知识图谱，以及Comet的Opik进行可观测性，以构建可靠的无人值守代理系统。
TCAR-Gen 提出了一种结合查询条件图神经网络、时间证据融合和树链推理的框架，用于知识基础生成中的时间图检索。在 Victorian Crime Diaries 基准测试中，它在多种查询类型上实现了改进的召回率。
一则关于智能体记忆中模式（Schema）约束重要性的讨论，介绍了 Zep AI 的开源 Graphiti 库，该库用于构建受约束实体和关系类型的时序知识图谱。