ICML 论文实测:文件系统记忆让 Agent 检索成本减半
dair_ai · x · 2026-07-31
一项新论文测试了基于文件系统（Markdown 文件夹）的 LLM 智能体长期记忆机制。
研究检验了两个此前未经证实的假设：智能体能否在记忆不断积累、冲突和过时的情况下保持存储有序，以及这种组织管理是否具有成本效益。
主要发现：
- 当记忆材料规模较大时，有序存储能使检索成本降低约一半。
- 没有任何受测智能体能将这种组织管理转化为更好的最终回答质量。
- 在持续增长的测试中，除了最强大的模型外，所有管理智能体的记忆库都出现了性能退化。
- 仅仅改变工具集，对记忆存储重塑的影响程度堪比直接更换底层模型。
「编程与Agent」频道最新
- YC S26 孵化项目 Marble：用 AI Agent 接管餐厅后厨 — ycombinator · 2026-07-31
- 微软发布 Echoverse：为计算机使用 Agent 打造深度演化评估环境 — Scobleizer · 2026-07-31
- Salesforce 推出 Metadata API 技能减少部署错误 — msrivastav13 · 2026-07-31
- 防不胜防：生成演示文稿时意外触发提示词注入 — tristanbob · 2026-07-31
- SpecFirst框架：让智能体先写需求文档，从零写代码通过率提升21% — centre-for-swe · 2026-07-31
- 资深PM长文复盘：用LLM写代码的四个真实痛点与人类护城河 — Greedy_Rise_6567 · 2026-07-31