你的 Agent 有 1000 万上下文，为什么第 50 轮就开始失忆？
隐含的承诺是：记忆是一个容量问题，而容量正在被解决。它没有。NVIDIA 的 RULER 基准测得有效上下文大约只有标称值的 50%–65%；Chroma 的“上下文腐烂”（context rot）
摘要由 AI 生成
随着 Agent 模型上下文容量提升，其记忆稳定性问题日益凸显。尽管部分报道暗示大上下文容量可解决记忆问题，但实际测试显示有效上下文利用率远低于标称值。NVIDIA RULER 基准测试表明，有效上下文仅为名义值的 50%–65%，且存在‘上下文腐烂’现象，导致 Agent 在长时间运行中逐渐失忆。为应对这一挑战，持久化与缓存技术被视为构建可靠 Agent 数据底座的核心方案，旨在通过外部存储机制弥补模型内部记忆衰退的缺陷。
相关事件RELATED EVENTS
关键实体KEY ENTITIES
Chroma英伟达
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
整合时间线UNIFIED TIMELINE
-
2026-09-08
你的 Agent 有 1000 万上下文，为什么第 50 轮就开始失忆？
隐含的承诺是：记忆是一个容量问题，而容量正在被解决。它没有。NVIDIA 的 RULER 基准测得有效上下文大约只有标称值的 50%–65%；Chroma 的“上下文腐烂”（context rot）
-
2026-09-09
持久化与缓存：Agent的数据底座 — 没有持久化的Agent像金鱼记忆，重启…
持久化与缓存：Agent的数据底座 — 没有持久化的Agent像金鱼记忆，重启就忘
信号强度SIGNALS
关键词热度