Keep on to blur preview images; turn off to show them clearly
RT @bravo_abad: Compressing higher-order networks without losing what matters Many real systems aren’t just made of pairwise links. A grou…
Root node of the web of threads: https://t.co/ifH80GcLpo
Why we need privacy None should see your entire financial history and balance when transacting with you
Privacy Experience @PrivacyEthereum | Events @ethereum | OSS 🛠️ Indie Maker @eth_gastracker https://t.co/xNlTAwRRp1
RT @DiracGhost: I got two recommendations for you on Kolmogorov complexity, a subject that would be important for mathematicians, computer…
Root node of the web of threads: https://t.co/ifH80GcLpo
每次都被 Jhey 的 CSS 效果和实现方式的奇思妙想所惊艳，这个帅气的 glow 效果，竟然使用图片偏移 + 放大 + 跟随鼠标 + 模糊 ，几乎全靠 CSS 实现动态跟随鼠标的效果，只用少量 JS 来计算位置。 代码在：https://t.co/7tWtMDV7Mm 可以收藏一下，研究一下，然后页面上加上这个效果，增色不少
当把 blur 设置为 0 的时候，才发现原来就是把原图片放大跟随鼠标了
![[论文解读] Hindsight is 20/20: 构建具备保留、召回与反思能力的智能体记忆，论文来自 @Vectorizeio @virginia_tech 和 @washingtonpost
核心背景：现有痛点
当前 AI 智能体在处理长期任务时，记忆系统往往是一个短板。现有的主流做法是将记忆视为一个“外挂硬盘”——简单地从对话中提取片段存入数据库，需要时再检索出来塞给模型。
这种方式存在明显缺陷：
· 证据与推理混淆：模型很难分清哪些是客观事实，哪些是即时的推理。
· 信息组织混乱：随着时间推移，难以有效组织长期积累的信息。
· 缺乏反思：智能体很难像人类一样通过“反思”过去的经验来优化未来的行为。
核心创新：Hindsight 架构
研究者提出了一种名为 Hindsight 的全新记忆架构。它不再把记忆仅仅当作存储容器，而是将其视为推理的基础结构。架构模仿人类的记忆机制，设计了四个逻辑网络来组织信息：
1. 世界事实：客观存在的知识。
2. 智能体经验：智能体自身的经历和操作记录。
3. 综合实体摘要：对特定人、事、物的总结性认知。
4. 演变信念：随着信息更新而动态变化的观点或判断。
三大核心操作机制
· 保留：决定如何将新信息有效地纳入上述四个网络中。
· 召回：在需要时，精准地检索出相关联的记忆片段。
· 反思：这是最亮眼的部分。系统会主动对记忆库进行推理，更新旧的信念，修正错误的认知，从而实现“吃一堑长一智”。
惊人的实验结果
就像给 AI 模型装上了一个懂得自我整理和反省的大脑，效果立竿见影：
· 基准测试屠榜：在衡量长期记忆能力的权威榜单 LongMemEval 上，Hindsight 达到了 91.4% 的准确率。
· 超越巨头：相比之下，即便是拥有完整上下文窗口的 GPT-4o，在某些长时序任务上的表现也被 Hindsight 超越。
· 效率提升：它不仅记性好，还能通过结构化数据减少模型认知过载，降低了“幻觉”产生的概率。](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG8X_QyuawAAzMDM.jpg&w=3840&q=75 "[论文解读] Hindsight is 20/20: 构建具备保留、召回与反思能力的智能体记忆，论文来自 @Vectorizeio @virginia_tech 和 @washingtonpost
核心背景：现有痛点
当前 AI 智能体在处理长期任务时，记忆系统往往是一个短板。现有的主流做法是将记忆视为一个“外挂硬盘”——简单地从对话中提取片段存入数据库，需要时再检索出来塞给模型。
这种方式存在明显缺陷：
· 证据与推理混淆：模型很难分清哪些是客观事实，哪些是即时的推理。
· 信息组织混乱：随着时间推移，难以有效组织长期积累的信息。
· 缺乏反思：智能体很难像人类一样通过“反思”过去的经验来优化未来的行为。
核心创新：Hindsight 架构
研究者提出了一种名为 Hindsight 的全新记忆架构。它不再把记忆仅仅当作存储容器，而是将其视为推理的基础结构。架构模仿人类的记忆机制，设计了四个逻辑网络来组织信息：
1. 世界事实：客观存在的知识。
2. 智能体经验：智能体自身的经历和操作记录。
3. 综合实体摘要：对特定人、事、物的总结性认知。
4. 演变信念：随着信息更新而动态变化的观点或判断。
三大核心操作机制
· 保留：决定如何将新信息有效地纳入上述四个网络中。
· 召回：在需要时，精准地检索出相关联的记忆片段。
· 反思：这是最亮眼的部分。系统会主动对记忆库进行推理，更新旧的信念，修正错误的认知，从而实现“吃一堑长一智”。
惊人的实验结果
就像给 AI 模型装上了一个懂得自我整理和反省的大脑，效果立竿见影：
· 基准测试屠榜：在衡量长期记忆能力的权威榜单 LongMemEval 上，Hindsight 达到了 91.4% 的准确率。
· 超越巨头：相比之下，即便是拥有完整上下文窗口的 GPT-4o，在某些长时序任务上的表现也被 Hindsight 超越。
· 效率提升：它不仅记性好，还能通过结构化数据减少模型认知过载，降低了“幻觉”产生的概率。")
[论文解读] Hindsight is 20/20: 构建具备保留、召回与反思能力的智能体记忆，论文来自 @Vectorizeio @virginia_tech 和 @washingtonpost 核心背景：现有痛点 当前 AI 智能体在处理长期任务时，记忆系统往往是一个短板。现有的主流做法是将记忆视为一个“外挂硬盘”——简单地从对话中提取片段存入数据库，需要时再检索出来塞给模型。 这种方式存在明显缺陷： · 证据与推理混淆：模型很难分清哪些是客观事实，哪些是即时的推理。 · 信息组织混乱：随着时间推移，难以有效组织长期积累的信息。 · 缺乏反思：智能体很难像人类一样通过“反思”过去的经验来优化未来的行为。 核心创新：Hindsight 架构 研究者提出了一种名为 Hindsight 的全新记忆架构。它不再把记忆仅仅当作存储容器，而是将其视为推理的基础结构。架构模仿人类的记忆机制，设计了四个逻辑网络来组织信息： 1. 世界事实：客观存在的知识。 2. 智能体经验：智能体自身的经历和操作记录。 3. 综合实体摘要：对特定人、事、物的总结性认知。 4. 演变信念：随着信息更新而动态变化的观点或判断。 三大核心操作机制 · 保留：决定如何将新信息有效地纳入上述四个网络中。 · 召回：在需要时，精准地检索出相关联的记忆片段。 · 反思：这是最亮眼的部分。系统会主动对记忆库进行推理，更新旧的信念，修正错误的认知，从而实现“吃一堑长一智”。 惊人的实验结果 就像给 AI 模型装上了一个懂得自我整理和反省的大脑，效果立竿见影： · 基准测试屠榜：在衡量长期记忆能力的权威榜单 LongMemEval 上，Hindsight 达到了 91.4% 的准确率。 · 超越巨头：相比之下，即便是拥有完整上下文窗口的 GPT-4o，在某些长时序任务上的表现也被 Hindsight 超越。 · 效率提升：它不仅记性好，还能通过结构化数据减少模型认知过载，降低了“幻觉”产生的概率。
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
WorldPlay Towards Long-Term Geometric Consistency for Real-Time Interactive World Modeling
discuss: https://t.co/UpasIJaP0R
