Meta 用 SDM 扩展长上下文记忆
burny_tech · x · 2026-07-12
转发内容介绍了 Meta 的一篇新论文，提出 Sparse Delta Memory（SDM），试图解决 AI 效率中的一个关键瓶颈：长上下文记忆。
核心思路
- 线性 RNN 虽然计算高效，但固定隐藏状态限制了长上下文表现。
- SDM 通过稀疏寻址机制，把写入/读取扩展到一个更大的显式记忆中。
- 这样可以在不增加额外 FLOPs 的前提下，把状态容量提升多个数量级。
论文声称的效果
- 在严格的 isoFLOP 约束下，SDM 显著提升了：
- 上下文学习
- 长上下文检索
- 通用推理
- 作者认为，这对未来长链路 AI agent 很重要，因为它能在不线性增加计算的情况下扩展记忆能力。
「Infra」频道最新
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11