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
- Galaxy S26 纯端侧跑 MiniMax H3：7 分钟生成 5 秒带音频视频 — BidFunny4862 · 2026-10-27
- Unconventional AI 收购 NeuReality,冲刺算力效率提升 1000 倍 — NaveenGRao · 2026-10-27
- 马斯克断言:机器人 RAM 需求将超其他一切,超级智能算力将移向深空 — elonmusk · 2026-10-27
- RTX 5090 卖到 7000 美元，PC 游戏社区集体否认 AI 热潮 — PAstynome · 2026-10-27
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- AWS 详解 Agent 提示缓存：显式+隐式双模式省下重复 token 账单 — AWS ML Blog · 2026-10-27