智能体记忆栈与循环状态架构的取舍

当前的智能体栈普遍依赖检索历史、外部记忆维护与提示词压缩等外部手段来弥补模型调用无法自动延续上下文记忆的缺陷，记忆管理因此被视为模型架构局限下的权宜之计。【新】报道介绍了 BDH-CQ 等基于循环状态（recurrent state）的架构路线，主张示例可在不修改模型权重的情况下更新内部任务记忆，并将推理交由独立的 latent workspace 处理。这条新报道与此前对“外部记忆栈是模型架构短板”的判断方向一致，但补充了一种可在架构层面部分内化记忆能力的替代方案。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。