WFM 论文:用「LLM Wiki」替代稀疏知识图谱做 agent 长期记忆,训练快 10.5 倍
maier_ak · x · 2026-09-21
论文核心
arXiv 论文 WFM: Wiki Foundation Model for Complex Agentic Reasoning(Junnan Dong 等 12 人,2026-09-16 提交)提出 agent 长期记忆的新范式:
- 动机:agent 需要持久的非参数知识,稀疏知识图谱的表示限制了机器可读性与语义密度,无法支撑复杂 agentic 工作流;业界正转向「LLM Wiki」——稠密文档上下文加含多层拓扑链接的 markdown 文件,agent 可以真正在其上推理。
- 方法:① 形式化 Wiki Graph schema,把细粒度结构与稠密上下文桥接,同时保留显式拓扑与连续语义;② 面向 wiki 消息传递的查询条件化注意力聚合,配合显式注意力方差正则;③ 针对现有图编码器在稠密文本上的分布式开销,设计可扩展的表征与检索,声称训练快 10.5 倍,面向大规模商业部署。
「编程与Agent」频道最新
- 开源 Typed Evals:用类型化判分模型做可校准的 LLM 评估框架 — Charming_Group_2950 · 2026-09-21
- 开源 diagram-design 技能：让 Claude Code 生成编辑级图表，已 41.5k 星 — bibryam · 2026-09-21
- Qwen-Image 2.1 开源：7B 一体生成编辑，ComfyUI 首日适配 — Lexius2129 · 2026-09-21
- 因 OpenAI 拒退额度损失，开发者造裸机自主 agent 系统 — epicskyes · 2026-09-21
- 开发者开源无 LLM 计算机使用工具，称成本极低延迟亚秒级 — _AustinCalvert_ · 2026-09-21
- Stripe 前高管支招：用 Checkout 和 Payment Element 提前接住 AI Agent 买家 — jeff_weinstein · 2026-09-21