Search

Tag: #memory-systems7 results

AutoMEM：代理記憶體系統的新基準

研究人員評估了八種記憶體系統在五種不同場景下的表現，發現當代理（Agent）能主動控制儲存與檢索時，表現最為優異。此洞察促成了 AutoMEM 的開發，這是一種利用自我管理工具介面來實現卓越跨場景通用性的記憶體框架。

這項研究引入了「合約綁定證據激活」(CBEA) 與「字典序承諾驗證」(LCV)，以防止語言模型做出不可靠的承諾。透過限制證據範圍並驗證結構化輸出，該系統顯著降低了長文本與記憶密集型應用中的失敗率。

OpenClaw beta.3 強化訊息功能，預設啟用執行中導向、可見回覆強制執行，以及選擇性後續承諾。記憶系統進化為具人際意識的維基，包含出處檢視與每對話主動記憶篩選。提供者支援擴展至 NVIDIA 與 Bedrock Opus，伴隨頻道修復與安全性提升。

OpenClaw (GitHub Releases)Media•Apr 30#ai-agents #messaging-queue #memory-systems

OpenClaw 2026.4.9 新增記憶夢境的 grounded REM 回填、日記整合，以及具時間軸導航的結構化 UI 視圖。它引入角色氛圍 QA 報告與插件認證別名。關鍵安全性修復處理瀏覽器 SSRF、不安全環境變數與節點執行事件。

OpenClaw (GitHub Releases)Media•Apr 9#memory-systems #security-fixes #agent-ui

OpenClaw 最新測試版引入先進記憶與夢想功能，包括 REM 回填、日記整合，以及時間線導航與可追蹤摘要的 UI 增強。新增 QA 評估報告、改進插件認證共享、iOS 版本管理工作流程，以及多項安全修復，涵蓋 SSRF、環境變數與遠端執行漏洞。Android 配對可靠性亦獲改善。

評論指出 AI 記憶系統在 LOCOMO 基準使用不一致評估，官方 Token-Overlap F1 GPT-4 僅 32%，但自訂指標達 60-67%。開發者混用擷取準確率與關鍵字比對，跨系統比較無意義。呼籲標準化方法。

Reddit r/MachineLearningCommunity•Mar 31#benchmarks #memory-systems #evaluation

zer0dex 為離線 LLM 代理提供雙層記憶：Layer 1 語義索引作為認知地圖，Layer 2 ChromaDB 向量儲存。在 97 案例中達 91.2% 召回，勝 RAG 80.3% 與平檔 52.2%。完全本地，Apache 2.0 可 pip 安裝。