长期记忆
-
剑桥提出“无限参数LLM”：把对话上下文编译进权重，而非继续塞进提示词
剑桥大学研究者提出“无限参数LLM”：不把运行时信息持续塞进上下文，而是在会话中动态生成并调整权重补丁。该机制可减少重复读取上下文的成本，为长期记忆和参数化知识更新提供新路径，但泛化能力、等算力成本、可审计性和生产安全仍是待解问题。
剑桥大学研究者提出“无限参数LLM”：不把运行时信息持续塞进上下文，而是在会话中动态生成并调整权重补丁。该机制可减少重复读取上下文的成本，为长期记忆和参数化知识更新提供新路径，但泛化能力、等算力成本、可审计性和生产安全仍是待解问题。
