AITOP

5月15日

09:57

arXiv cs.AI@Zhao Yang, Wang Huan, Li Yingshuo, Tu Haomiao, Lin Hujite

精选58

ARPM 是一个外部时序记忆治理框架，旨在解决大语言模型在长程交互中常见的事实丢失、时间线混乱、人格漂移和稳定性下降问题。该框架将静态知识记忆与动态对话经验记忆分离，结合向量检索、BM25、RRF融合、双时序重排序、时序证据阅读和受控分析协议，实现证据验证与答案绑定。实验表明，在50轮问答中，ARPM在1:5信噪比下人工审查召回率达100%，在1:200+下仍达80%；消融实验显示，禁用对话历史检索后严格准确率从100%降至66.7%。该方法将长期人格一致性分解为可治理的组件，支持白盒评估。

论文长期记忆人格一致性检索增强生成时序记忆 ARPM

推荐理由：做对话系统或长期记忆研究的团队，ARPM 把人格一致性从玄学变成了可审计、可迁移的工程问题，值得看看它的实验设计和消融结果。

5月14日

13:28

岚叔@LufzzLiz

45

本文探讨了AI-native公司的真正含义，指出仅将AI作为个人效率工具是不够的。作者提出三个核心要素：团队需要长期记忆来沉淀信息，AI应进入真实工作流而非停留在对话框，个人经验需转化为组织可复用的Skill和SOP。文章认为下一代协作工具应是在现有工具之上构建的AI-native workspace，能连接分散数据并让AI执行动作。最后推荐了Tanka AI，它整合了团队协作、长期记忆、工具集成和执行型Agent，并支持免费试用。

行业 AI-native 组织协作长期记忆工作流 Tanka AI

推荐理由：这篇文章戳中了团队知识沉淀和AI落地的真实痛点，做组织协作或AI产品的开发者、管理者看完会有感触，建议结合Tanka AI的实践试试。