AITOP

Engram

共 7 条相关 AI 资讯
8月3日
09:18
09:18官方一手arXiv: DeepSeek@Jia Peng Lim, Hai Leong Chieu
DeepSeek的Engram条件记忆模块在存储与推理之间做权衡，但依赖token级N-gram哈希，导致不同tokenizer需从头训练。论文提出用多项式哈希替换XOR哈希，建立跨N的联合嵌入空间。实验显示该改动在保持性能的同时实现tokenizer无关性，字节等价序列哈希相等。
论文DeepseekEngramTokenizer
推荐理由：DeepSeek改了Engram的哈希方式，不同tokenizer之间不用再各自训练，效果还一样，做多语言模型的可以看看。
原文
7月22日
23:36
23:36Weaviate@weaviate_io
精选
Weaviate 推出 Engram，一种专为多智能体管道设计的“发射后不管”记忆系统。它通过三个步骤（提取、转换、提交）在后台异步处理记忆，避免阻塞和重复。在多智能体 RAG 示例中，搜索代理错误地使用文本搜索而不是类型过滤，Engram 将分散在不同代理和上下文窗口中的任务目标、动作和反馈合并为一条可操作记忆。记忆支持项目范围或用户范围，通过多租户保持隔离。系统使得智能体能从经验中持续学习，无需手动干预。
AI产品WeaviateEngram多智能体
推荐理由：Weaviate 的 Engram 让多智能体系统能自动从经验中学习，合并分散的反馈，不用手动处理重复和冲突。
原文
7月14日
23:30
6月25日
07:27
6月11日
03:15
03:15Weaviate@weaviate_io
Weaviate 发布 Engram，一种结构化记忆系统，将记忆组织为分组、主题和作用域，而非简单累积。分组定义用例边界，主题指定提取的信息类型，作用域限定记忆归属（项目级、用户级、会话级）。这解决了传统记忆系统因无结构导致的跨用户污染、跨会话干扰和检索噪声问题。例如，编程助手可分离仓库级、用户级和会话级记忆，提升检索清晰度。Engram 通过异步管道处理原始输入，并利用 Weaviate 的多租户保持边界完整。
AI产品记忆系统结构化记忆Weaviate
推荐理由：做 AI 应用尤其是编程助手或对话系统的团队，记忆混乱是常见痛点——Engram 的结构化方案直接解决了检索噪声和跨会话污染，值得点开看看怎么落地。
原文
6月10日
06:13
06:13Weaviate@weaviate_io
Weaviate 发布了名为 Engram 的托管记忆服务，旨在解决 AI 应用中因不良记忆系统导致的问题。Engram 不再简单地将聊天历史塞入上下文，而是通过异步管道提取关键事实、与已有知识协调、去重并保留更新，最终在数据库中维护干净的记忆状态。这使得 AI 代理能可靠地回忆用户偏好、学习先前任务、更新过时信息，而不会因上下文膨胀导致延迟、成本增加和混乱。对于需要长期记忆的 AI 应用开发者来说，Engram 提供了一种更严格、更高效的记忆基础设施。
AI产品记忆系统WeaviateEngram
推荐理由：Weaviate 的 Engram 解决了 AI 应用中最头疼的记忆混乱问题——做智能体或对话系统的开发者，别再让模型背锅了，试试把记忆当基础设施来管。
原文
6月4日
02:12
02:12Weaviate@weaviate_io
Weaviate 宣布 Engram 正式 GA，这是一个专为智能体应用设计的托管记忆服务。传统记忆系统只是扩展上下文窗口，导致智能体随时间推移性能停滞、重复解决问题、浪费 token。Engram 通过异步管道主动维护记忆，支持去重、偏好变化和时间演化事实的处理。它提供“发后即忘”API、自然语言主题记忆磁铁、多级隔离和可组合管道，基于 Weaviate 的向量+关键词+元数据搜索。适用于聊天机器人、经验学习智能体和多智能体系统，前三个月免费至7月15日。
AI产品智能体记忆系统Weaviate
推荐理由：做智能体应用的团队终于有了正经的记忆基础设施——Engram 解决了智能体随时间变笨的核心痛点，做聊天机器人、经验学习或多智能体系统的开发者值得立即试用。
原文