一句话判断
该综述系统量化了Agent持久记忆治理的缺失(仅27/435有回滚),揭示了未被充分关注的审计与恢复能力缺口,值得深入阅读以指导Agent系统安全设计。
核心信息
该综述分析了435篇关于LLM Agent持久状态的工作,发现检索和写入分别出现在269和200篇中,但仅有27篇涉及回滚机制,72篇涉及权限。指出当前研究集中于前向弧(写入、组织、检索、行动),而返回弧(遗忘、审计、恢复)薄弱。
原始内容
相关动态
Nvidia讨论2500亿美元担保支持OpenAI数据中心
WSJ报道称,Nvidia正讨论提供2500亿美元担保,以支持OpenAI在俄亥俄州的10GW数据中心租约,该担保覆盖租赁义务和建设债务,而非直接现金支票。该安排涉及SB Energy建设园区、OpenAI租赁、Nvidia承担部分违约风险,且美国政府已确认将配套10GW新增发电容量。
OpenMinis 开源 iOS/Android 双端 AI Agent
OpenMinis 作者 wsvn53 开源了 iOS/Android 双端 AI Agent,iOS 端使用深度定制的 iSH(ARM64 guest),Android 端使用 PRoot 实现用户态 chroot。Agent 提供 8 个 LLM 工具和 20 多个设备集成(通过 Native Offloads 作为 CLI),支持最...
JAXBench与Pallas内核优化
Google、哈佛和UC Berkeley联合发布JAXBench,包含50个基于真实MaxText架构的JAX工作负载。使用Gemini 3 Flash并配合文档条件化,将正确率从5.8%提升至37.3%,解决48/50个基准,速度提升1.28倍,波束搜索进一步优化至1.36倍。
Anthropic Opus 5 表现与基准值失衡、指令优先级争议
用户分析发现,Anthropic Opus 5 在基准测试中表现超出 Fable 5 并引发基准值有效性质疑。根据 Kun Chen 的观察,尽管 Opus 5 在多项指标上胜过 Fable 5,但实际应用场景中两者效能差异显著。研究指出公司在 5 系列模型训练策略上发生变化,将 Mythos 作为先导模型后通过蒸馏生成 Sonnet 和...
NVIDIA 研究:AdamW 在大批量训练中存在规模上限
NVIDIA 研究发现,AdamW 在批量大小达到 1 亿 token 时训练稳定性下降,而 SOAP 和 Muon 保持稳定。团队通过每步 QR 正交化和改进预处理策略消除了 SOAP 在大批量下的 loss spikes,并在多十亿参数模型上训练数万亿 token 后,SOAP 和 Muon 一致优于 AdamW。