搜索
前不久，Anthropic 的工程团队在 11 月 6 日发了一篇文章《The components of agent memory》。里面有一个非常有意思的观察：很多被精心设计过的知识wiki或者Agent Memory准确率有时候还不如直接搜索原始文档高。但换个场景，过多的原始信息塞给模型，有时候也同样会让检索的准确率暴跌。
文章认为，Looki以胸前第一视角设备采集现实数据，并通过Loom时序感知模型、Memory和Agent构建可服务不同Personal Agent的Context层，探索从硬件出发的个人AI路线。
openJiuwen AgentMemory正式上线了多模态记忆能力OmniMem-Lens：按秒盲切是记忆碎片化的元凶，按真实事件记忆才是正解——召回精度最高提升45.7%，在线问答时延最高降低97%。
为 Agent 建记忆，花掉了上亿 Token，结果在相当一部分情况下，回答准确率甚至低于直接用RAG检索聊天记录。
随着递归自我改进（Recursive Self-Improvement，RSI）受到关注，智能体如何从交互经验中持续改进自身成为研究热点。智能体记忆机制影响着这些经验能否被有效保留和利用。
Anthropic早期员工Ivan Vendrov在《Some Memories of Early Anthropic》中回忆，入职八个月后因AI安全使命与商业化、模型竞赛压力带来的精神重压选择离开，并质疑公司将谨慎服从的助手塑造为“受过创伤的官僚”。
无问芯穹（Infinigence AI）以国产Agentic Infra让GPU算子优化Agent登顶NVIDIA Research的SOL-ExecBench四项赛道，并通过Skills、共享Memory和隔离评测形成自我迭代闭环，揭示资源调度与工作流设计对RSI效率的影响。
Value as Memory（VaM）将近期价值预测作为任务进度记忆并结合离线到在线真机强化学习，使机器人在纸盒装配中连续自主运行4小时、成功率超过95%，最终任务成功率较无价值缓存版本提升29.4%。
设想一个日常场景： 家庭机器人刚刚在茶几上看见一本书，去厨房完成几项任务后，接到取书的指令，却又开始挨个房间搜索。它已经试过一个打不开的抽屉，过了一会儿，还是回到同一个抽屉前反复尝试。
让视频生成模型沿着相机轨迹不断探索一个场景，并不算最难。真正困难的是：当镜头绕了一圈再次回到原点，房间的布局、家具的位置和墙面的纹理，是否还与最初一样？