摘要由 AI 生成
一项针对模型升级下记忆可移植性的控制研究比较了四种记忆存储方式。结果显示，采用固定模式知识图谱（KG-fixed）的迁移最为可靠，准确率变化极小；而将压缩为自然语言笔记（NOTES）的方式表现出高模型耦合，准确率随迁移方向出现大幅不对称波动。在检索增强生成（RAG）系统中，混合索引策略带来的提升有限且损失了部分增益。诊断分析表明，NOTES 的准确率缺陷主要源于构建初期的信息丢失，而 RAG 系统的缺陷则主要源于检索失败。
相关事件RELATED EVENTS
关键实体KEY ENTITIES
arXiv
整合时间线UNIFIED TIMELINE
-
2026-09-04
Does Your Agent's Memory Survive a Mode…
Does Your Agent's Memory Survive a Model Upgrade? A Controlled Study of Memory Portability
-
2026-09-07
Does Your Agent's Memory Survive a Mode…
一项针对模型升级下记忆可移植性的控制研究比较了四种记忆存储方式：长上下文原始阅读（LC-RAW）、分块检索增强生成（RAG）、压缩为自然语言笔记（NOTES）及固定模式知识图谱（KG-fixed）。测试使用 48 个合成历史数据和两个亚 …
信号强度SIGNALS
关键词热度
全部报道（2）SOURCES
Does Your Agent's Memory Survive a Model Upgrade? A Controlled Study of Memory Portability
一项针对模型升级下记忆可移植性的控制研究比较了四种记忆存储方式：长上下文原始阅读（LC-RAW）、分块检索增强生成（RAG）、压缩为自然语言笔记（NOTES）及固定模式知识图谱（KG-fixed）。测试使用 48 个合成历史数据和两个亚 100 亿参数模型，结果显示固定结构迁移可靠，KG-fixed 准确率变化仅为 $+0.0004 \pm 0.0020$；而压缩笔记表现出高模型耦合，准确率随迁移方向不对称波动，分别为 $+9.91$ 或 $-13.28$ 个百分点。在 RAG 系统中，50/50 混合索引仅带来 4.96 点准确率提升，损失了全量重嵌入实现的 11.90 点增益。诊断分解表明，NOTES 的准确率缺陷中 80% 源于构建初期的信息丢失，RAG 缺陷中 81% 源于检索失败。此外，NOTES …