Stanford 和 Anthropic 用图记忆让 agent 代码准确率提升 36%
blaizedsouza · x · 2026-07-21
这条帖子配图来自一份 Stanford–Anthropic 技术报告，主题是把 LLM agent 的记忆从传统 RAG/笔记式存储，升级成图结构记忆。
作者声称该方法在 13,000 个任务 上验证后，带来明显收益：代码准确率提升 36%、研究任务提升 45%、无效操作减少 39%。报告把图记忆描述为一个会随着任务持续增长的网络，保存实体、关系、动作与状态，从而让 agent 不必每次都从零开始。
「编程与Agent」频道最新
- NVIDIA 称 Nemotron 3 Ultra 在 RTL 芯片设计任务上达 97.1% — NVIDIAAI · 2026-07-27
- 东京 Agent Forge 黑客松一天做出可上线 AI agents — DavidBennett__ · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27
- 一个 VS Code 扩展给 Alchemy 模板加上 Markdown 高亮 — samgoodwin89 · 2026-07-27
- Claude 的 Stripe MCP 连接器被吐槽频繁断连几乎不可用 — evielync · 2026-07-27