Fable 5：安全措施和烧钱速度让用户感到烦恼，但他们表示这款产品仍优于Opus 4.8

Fable 5：安全措施和烧钱速度让用户感到烦恼，但他们表示这款产品仍优于Opus 4.8
The New Stack
The New Stack ·
NAD+研究之父：NMN能增强快速眼动睡眠

NAD+研究之父：NMN能增强快速眼动睡眠
极道
极道 ·
为什么你的智能代理实际上并不记得任何事情

为什么你的智能代理实际上并不记得任何事情
The New Stack
The New Stack ·

这篇文章讨论了一个小朋友识字的视频，展示了他出色的记忆能力。文章中提到了一些幽默的评论和问题，反映了人们在面对知识时的困惑和幽默感。最后提到智能的本质可能在于对信息的重新组合。

Predict Next Word
Est's Blog
Est's Blog ·
AI 2025-2026 众包调研年终总结:从「聊天」到「干活」的范式转变

AI 2025-2026 众包调研年终总结:从「聊天」到「干活」的范式转变
宝玉的分享
宝玉的分享 ·
我最近阅读的关于大型语言模型应用的论文

我最近阅读的关于大型语言模型应用的论文
informal
informal ·
Anthropic的新混合AI模型能够自主处理任务，持续工作数小时

Anthropic的新混合AI模型能够自主处理任务，持续工作数小时
DEV Community
DEV Community ·
Claude 4现已在Polite AI上推出

Claude 4现已在Polite AI上推出
DEV Community
DEV Community ·

本研究提出了一种新方法，通过引入结构映射模块增强时间链接预测模型的记忆能力，解决了现有模型在新图上的应用问题。研究结果表明，该方法在时间链接预测中具有重要的应用潜力。

Transfer Learning for Temporal Link Prediction
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
理解CAG（缓存增强生成）：APIpie.ai的AI对话记忆

理解CAG（缓存增强生成）：APIpie.ai的AI对话记忆
DEV Community
DEV Community ·
Meta的AI聊天机器人将很快推出独立应用

Meta的AI聊天机器人将很快推出独立应用
The Verge
The Verge ·

本研究提出了LongMemEval基准，评估聊天助手在长期互动中的记忆能力。结果显示，现有助手在持续互动中的信息记忆准确率下降30%。研究还提供了优化方案，以提升记忆回调和问答表现。

Long-Term Memory Evaluation: Benchmarking Chat Assistants on Long-Term Interactive Memory
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本研究提出了一种“遗忘曲线”方法，以更可靠地评估长文档模型的记忆能力。结果表明，该方法在不同测试语料和实验设置下具有鲁棒性，适用于各种模型规模，并验证了变换器扩展技术的有效性。

Forgetting Curve: A Reliable Method for Evaluating the Memorization Capability of Long-Document Models
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

这项研究探讨了大型语言模型（LLMs）在记忆训练数据方面的能力及其隐私风险。研究表明，模型容量、数据重复次数和上下文数量会影响记忆效果，且模型可能泄露敏感信息。提出了量化记忆能力的方法，并强调需要采取措施保护隐私，防止生成不良内容。

大语言模型中的不良记忆：一项调查
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本文介绍了异构记忆网络（HMNs）在长期对话中的应用，解决了现有对话模型在记忆和理解方面的不足。研究提出了新框架和数据集，如PLATO-LTM和Conversation Chronicles，以提升对话的一致性和人类参与度。通过MemoryBank和CREEM等机制，增强了聊天机器人的记忆能力和情感支持，并提出了基于认知科学的评估框架MemBench，展示了对话系统的改进空间。

混合会话与自我中心记忆
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本研究填补了大型语言模型（LLMs）在记忆能力方面的理论空白，通过比较不同模型的记忆容量来验证LLMs的性能。研究揭示了LLMs与人脑在工作机制上的异同。

薛定谔的记忆：大型语言模型
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

这篇研究探讨了大型语言模型（LLMs）的记忆现象及其隐私风险。研究表明，模型容量、数据重复和上下文数量会影响记忆能力，且模型在训练过程中可能泄露敏感信息。提出了量化记忆能力的方法，并强调需要采取措施以减轻隐私侵犯的风险。

背诵、重建、回忆：语言模型中的记忆作为多层次现象
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本文介绍了多种大型语言模型（LLM）在处理长文本和记忆能力方面的创新方法，如InfLLM、Self-Controlled Memory和LongMem。这些模型在超长文本摘要和多轮对话中表现优异，能够有效整合历史信息并提升一致性。MemWalker方法通过摘要节点树处理长文本，显著提高了问答任务的性能。

SirLLM: 流式无限保留 LLM
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

大型语言模型通过提示提取训练数据，存在隐私风险。研究提出量化模型记忆能力的方法，发现模型在实体级别上记忆强，可能泄露敏感信息。建议训练者采取记忆减轻技术以保护隐私。

基于掩码语言模型的命名实体识别中激发记忆的提示探索
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
唯「我」独尊

唯「我」独尊
Surmon.me
Surmon.me ·
👤 个人中心
在公众号发送验证码完成验证