BriefGPT - AI 论文速递 ·

基于上下文记忆的检索增强规划的多模态 LLM 智能体

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

上下文调整的检索增强生成模型提高了语义搜索性能，对上下文检索和工具检索任务分别实现了3.5倍和1.5倍提升，同时提高了基于LLM的计划生成准确性11.6%。使用倒数排名融合和LambdaMART的轻量级模型时，上下文增强减少了虚构现象。

🏷️

AI 智创简报：《Agent 记忆层被写进专利，垂直行业的本地化长尾还空着》
微软与UiPath近期公开了四项Agent记忆与跨上下文专利，涵盖共享上下文、事件流路由及三级记忆体系，显示大厂正抢占记忆层基础设施。尽管开源组件热门，但...
HyperAI 上新丨MCP接入开发工作流；PyTorch/AI for Beginners/TVM等系列教程上线；AI顶会资源检索功能再升级
HyperAI平台推出三项更新：上线MCP服务器，支持在Claude Code和Cursor中通过自然语言管理算力、数据集等资源；新增AI顶会（如AAAI...
2026年可用的5个免费LLM API提供商
本文介绍了五个提供免费LLM API的服务商：GroqCloud（高速推理）、OpenRouter（多模型试用）、Cloudflare Workers A...
CD sales are booming as physical media continues its resurgence
According to the Recording Industry Association of America (RIAA), CD sales e...
Kimi K3 模型结构（7）：结构决定系统
本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...