深度分析
Preping:以 Proposer‑Validator 架構在上線前構建代理程序性記憶
面對新環境的冷啟動問題,Preping 提出在部署前以自我生成的合成練習建立代理程序記憶。此方法透過 proposer 記憶引導可行任務、solver 執行並以 validator 篩選可靠軌跡,僅將高質量軌跡寫入可重複使用的 solver 記憶。實驗顯示 Preping 在多項基準上顯著超越無記憶基線,並在部署成本上比線上方法低數倍,且能作為線上記憶初始化或凍結使用。
深度分析
面對新環境的冷啟動問題,Preping 提出在部署前以自我生成的合成練習建立代理程序記憶。此方法透過 proposer 記憶引導可行任務、solver 執行並以 validator 篩選可靠軌跡,僅將高質量軌跡寫入可重複使用的 solver 記憶。實驗顯示 Preping 在多項基準上顯著超越無記憶基線,並在部署成本上比線上方法低數倍,且能作為線上記憶初始化或凍結使用。
memex
本報導介紹開源專案memex及其背景,說明其以純Markdown檔案與雙向連結建立原子知識卡,並透過git同步集中儲存。memex不使用向量資料庫或嵌入技術,而是以可讀的卡片在不同代理與編輯器之間共用。其影響在於讓編碼代理跨會話記住學習,減少重複啟始並增進知識延續。
prism-mcp
在GitHub發現prism-mcp,一個定位為代理人「心智宮殿」的開源專案;結合本地化大型語言模型、Hebbian學習與ACT‑R式擴散激活,並提供對抗評估、持久化記憶與多代理蜂群協作;訴求不需外部API金鑰與強化隱私治理,對研究與落地部署具參考價值。