WFM 论文主张用稠密「LLM-Wiki」取代稀疏三元组做 Agent 记忆
maier_ak · x · 2026-09-24
Andreas Maier 解读 2026 arXiv 预印本 WFM: Wiki Foundation Model for Complex Agentic Reasoning,核心论点是当前 GraphRAG 式的记忆方案有问题:
- 传统知识图谱把事实压成 (头, 关系, 尾) 三元组,便于索引但丢掉了自然语言的丰富语义,也切断文档连续性,使 Agent 难以跨越多段的推理链
- WFM 提出用更稠密的「LLM-Wiki」表示替代:由 Markdown 页面与段落级文本组成网络,用多层边连接,同时保留全文段落与 crisp 的图谱边,是一种混合图
- 论文训练了一个直接在这种混合图上的基础模型,验证其在多跳问答与长期记忆检索上能否超越传统方案
作者判断这代表行业从稀疏图向 LLM Wiki 的范式迁移,值得做 Agent 记忆/编排的工程师关注。
所属事件:WFM 论文：用稠密 LLM-Wiki 重构智能体记忆(5 条相关)→
「编程与Agent」频道最新
- Salesforce 推出 JitMem：读取时才整理记忆，Agent 三大基准最高提升 16.3 分 — Salesforce · 2026-09-24
- 用编程 Agent 训练机器人：Em-bodiedSWE 让 VLA 在真实机器人上完成长时程任务 — Haoxiang You · 2026-09-24
- Discord 在菲律宾被封,开源工具 Discrawl 帮你本地备份全站记录 — steipete · 2026-09-24
- 接上 Coinbase MCP，让 AI Agent 每天替你读市场简报管持仓 — MurrLincoln · 2026-09-24
- 阿里 Qoder 限时免费用 Qwen3.8-Flash，免费账号也适用 — Aiden_Tech_Ai · 2026-09-24
- 论文:用 38.5% 题目复现生产级 Agent 评测,误差仅 1 分 — omarsar0 · 2026-09-24