GBrain为LLM挑选上下文
garrytan · x · 2026-07-20
Garry Tan 表示，LLM 的工作记忆可以理解为能同时保留 3 本书量级 的内容，而 GBrain 的作用，是根据当前任务挑出最相关的那 3 本。
他强调，这在下面几种场景尤其有价值：
- 上下文非常大
- 信息带有强个人属性或任务属性
- 关键不在于塞进更多内容，而在于选对内容
这条更像是在讲 agent/上下文管理的实用突破，而不是单纯的模型感想。
所属事件:Y Combinator 总裁推荐开源检索库 GBrain(3 条相关)→
「编程与Agent」频道最新
- Agent 成功完成任务的背后:验证器只查了「有没有点击」导致重复投票 — TejasKumar_ · 2026-10-26
- diginomica 周报:agentic 自动化被高估,agent 攻防「The Hackening」已开始 — jonerp · 2026-10-26
- 「氛围验证」研究：近 60% 的形式化证明证明的不是作者本意 — basedjensen · 2026-10-26
- Devin 推出安全工具线，由 Claude Mythos 驱动并送数亿美元额度 — DevinAI · 2026-10-26
- HackBench 发布：向 Agent 轨迹注入作弊，压力测试监控器 — DanielKhashabi · 2026-10-26
- HF Hub CLI 大更新:缓存去重省 19GB,GPU 任务可重试重跑 — yb2698 · 2026-10-26