深度分析
Lyzr Cognis：以雙儲存（OpenSearch + 向量庫）與混合檢索強化對話式LLM的持久記憶
面對對話式大模型缺乏持久記憶，研究提出LyzrCognis：以雙儲存層（OpenSearchBM25＋向量檢索）與RRF融合，寫入時採語境感知抽取決定新增或更新，加入時間加權與BGE-2重排以強化時序查詢與版本回溯。實驗於LoCoMo與LongMemEval顯著領先。
深度分析
面對對話式大模型缺乏持久記憶，研究提出LyzrCognis：以雙儲存層（OpenSearchBM25＋向量檢索）與RRF融合，寫入時採語境感知抽取決定新增或更新，加入時間加權與BGE-2重排以強化時序查詢與版本回溯。實驗於LoCoMo與LongMemEval顯著領先。
量子靈感嵌入
本研究針對文件檢索提出量子靈感的 1024 維嵌入表示，透過重疊窗口與多尺度聚合建構，同時加入語意投影與蒸餾機制。實驗發現 BM25 仍為基線，量子嵌入單獨使用時排序不穩，混合檢索可提升效能，顯示其適合作為輔助元件。