Android 17 將限制失控應用程式
Android 17 將引入更嚴格的單一應用程式記憶體限制，必要時可降低速度或終止過度耗用記憶體的應用程式。這項變更旨在防止單一應用程式佔用過多資源而影響整部裝置的效能。
Search
Tag: #memory-management19 results
騰訊開源 Agent 記憶技術，Token 消耗降低 61%
騰訊發布了一項針對 AI Agent 的開源記憶管理解決方案。此優化可將 Token 消耗降低高達 61%，並將任務成功率提升 51%。
華為諾亞實驗室開源 MindMemOS，賦能 AI Agent 記憶演進
華為諾亞實驗室開源了專為 AI Agent 設計的記憶操作層 MindMemOS。該系統支援 AI Agent 在技能演進的同時，實現可遷移且具備自我進化能力的記憶管理。
OCM：透過可執行環境建模提升 Agent 任務表現
OCM 提出了一種新穎的框架，將 Agent 的經驗組織為基於 Python 的可執行物件與程序知識庫。此方法使 Agent 能夠維護可驗證的長期記憶，從而提升在複雜環境中的表現並減少無效操作。
🤖
TRACE：用於 LLM 代理的開源層級記憶系統
TRACE 引入了一種用於 LLM 代理記憶的層級主題樹結構，在 EventQA 基準測試中顯著優於 Mem0 和 MemGPT 等現有解決方案。它為管理長期對話歷史提供了一種比扁平化 RAG 區塊更高效的替代方案。
📰
為 AI 代理構建主動式上下文策展系統
作者分享了為程式編寫代理構建主動式上下文管理系統的經驗，強調資訊密度比單純的上下文壓縮更重要。該專案採用多層次記憶架構與語義檢索，以維持代理的專注度。
Meta 利用客製化 CXL 晶片在伺服器中重複利用舊 RAM
Meta 開發了一款名為 Vistara 的客製化 CXL 晶片，將退役伺服器的記憶體整合至新架構中。此舉有效緩解了記憶體短缺與硬體成本上升的問題，且不會顯著影響效能。
📰
代理人壽命工程：為何部署的 AI 代理會老化
研究人員推出了 AgingBench，旨在研究 AI 代理在長期部署中如何退化。研究發現，記憶策略對代理性能的影響遠大於單純更換更強大的模型。
AgingBench：評估長期運行 AI 代理的可靠性
AgingBench 是一個全新的長期基準測試，旨在評估 AI 代理如何因記憶壓縮、干擾和維護而隨時間推移產生性能衰退。它提供診斷分析，協助開發者識別並修復持久性代理系統中的可靠性問題。
受生物學啟發的 LLM Agent 記憶架構
這項研究為 LLM Agent 引入了一種模仿人類認知過程（如睡眠階段鞏固和基於干擾的遺忘）的記憶架構。它能有效管理長期互動數據，同時保持高檢索準確度並減少儲存需求。