บทความและงานวิจัย

ความจำของเอเจนต์ไม่ใช่ยิ่งมากยิ่งดี: การประเมินแปดโมเดลชี้ว่าปริมาณต้องปรับตามความสามารถ

หัวข้อต้นฉบับ:How Much Memory Does Your Agent Actually Need?

สรุปโดย AI

ความจำของเอเจนต์ไม่ใช่ฟีเจอร์ที่เปิดได้ตามอำเภอใจ แต่เป็นปริมาณที่ต้องปรับให้เหมาะกับความสามารถของโมเดล โมเดลที่แข็งแกร่งเหมาะกับการใส่ชุดคำแนะนำแบบเต็ม โดย DeepSeek-V3.2 (671B MoE) มีอัตราความสำเร็จของงานเพิ่มขึ้น +9.5 เปอร์เซ็นต์ ขณะที่โมเดลที่อ่อนกว่าได้ผลดีที่สุดเมื่อใช้การค้นคืนแบบคัดสรร โดย gpt-oss-120b (117B MoE) เพิ่มขึ้น +16.1pp และใช้โทเคนเพิ่มเพียง +5% วิธีนี้ไม่ต้องอัปเดตน้ำหนักหรือติดป้ายกำกับด้วยมือ โดยกลั่นคำแนะนำจากเส้นทางการทำงานในอดีตของเอเจนต์และใส่เข้าไปในระหว่างการอนุมาน

ข้อมูลสำคัญ

  • ความจำของเอเจนต์ไม่ใช่ฟีเจอร์ที่เปิดได้ตามอำเภอใจ…
  • 2 (671B MoE) มีอัตราความสำเร็จของงานเพิ่มขึ้น +9.
  • 5 เปอร์เซ็นต์ ขณะที่โมเดลที่อ่อนกว่าได้ผลดีที่สุดเมื่อใช้การค้นคืนแบบคัดสรร โดย gpt-oss-120b (117B…
  • 1pp และใช้โทเคนเพิ่มเพียง +5% วิธีนี้ไม่ต้องอัปเดตน้ำหนักหรือติดป้ายกำกับด้วยมือ…

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Hugging Face 社区博客(混合发现)
หมวดหมู่
บทความและงานวิจัย
คะแนน AI
66
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

把智能体记忆的配置从越多越好修正为按模型能力校准,弱模型用检索核心比全量更准且成本更低,为上下文预算提供量化依据。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: ความจำของเอเจนต์ไม่ใช่ยิ่งมากยิ่งดี: การประเมินแปดโมเดลชี้ว่าปริมาณต้องปรับตามความสามารถ 19 สิงหาคม 2026 https://new.nat6.net/th/news/cmsz1974l06hbro20gosn5d78/

ดูทั้งหมด →