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
- 柏林 DevDay 前夜黑客松 250 名开发者齐聚用 Codex 造物 — paw_lean · 2026-10-26
- Ben Bajarin：用前沿 AI 对抗前沿攻击，智能体成企业网防新前线 — BenBajarin · 2026-10-26
- 开发者吐槽：脱离 harness 的 API 模型「裸奔」时笨得让人想哭 — madeofAjala · 2026-10-26
- HarnessMM 论文：缓存已定决策,Agent Token 消耗降 88% 成功率反升 — omarsar0 · 2026-10-26
- 微软展示用 Copilot App 与 Foundry 搭建跨 Teams/Outlook 的意图识别 Agent — marlene_zw · 2026-10-26
- 求推荐可穿戴录音麦克风：要长续航，接自己转写和 MCP — altryne · 2026-10-26