SelfMem 论文：让 AI 自主管理记忆，性能提升 48%
alex_verem · x · 2026-08-16
一篇关于 SelfMem 系统的论文提出，让 AI Agent 自主管理记忆比人工设计的固定规则系统效果更好。在 10 万至 100 万 token 的对话测试中，SelfMem 相比最强的固定记忆系统，分数分别提升了 48.7% 和 41.9%。
核心发现：
- 成本更低：在 100 万 token 级别下，SelfMem 的得分高于重度生产级记忆管线，但成本仅约为其 1/10，且无需 Embedding 调用。
- 存储更少：自主优化的 Agent 并不会囤积信息，而是维持一个微小且稳定的记忆库，仅保留持久偏好和可复用规则，丢弃姓名、日期等一次性事实，倾向于重写旧笔记而非堆叠新笔记。
- 结论：更多存储的上下文并不等于更高的智能，胜利的关键在于让系统学会“遗忘”。
「编程与Agent」频道最新
- dfinke 发布 PowerShell 模块，封装 Perplexity Decisions API — dfinke · 2026-10-02
- Cloudflare 推出 Web Search API:给 Agent 一个真正会搜索的浏览器 — Cloudflare Blog · 2026-10-02
- Opus 5.5 让 computer use 好用,擅长网页表单等非 CLI 繁琐任务 — DimitrisPapail · 2026-10-02
- 人类注意力难扛零上下文审查，他重造 IDE 迎战 AI 代码 — arpit_bhayani · 2026-10-02
- Manus 可同时操控 50 个社媒账号，24 小时无人类发帖回复 — anthara_ai · 2026-10-02
- LLM 该放在爬虫管线哪一层？实践者总结提取管线成本与可靠性要点 — minexa_ai · 2026-10-02