硅基大脑记忆觉醒！会遗忘、会反思、会成长的AI正在到来
哈尔滨工业大学、新加坡国立大学等机构的联合团队发表了一项系统性综述研究，打破了学科壁垒，用认知神经科学的视角审视AI记忆系统。研究探讨了记忆如何让AI产生“自我”，以及如何构建一个像人类一样会遗忘、会反思、会成长的记忆大脑。
跨模型上下文要重算KV？北大提出Map，Flow让注意力跨模型复用
在三个模型串联的工作流中， 14B 模型负责规划，8B 和 3B 模型分别负责细化与总结，两个下游模型共享 14B 模型产生的注意力状态。
百度文心开源发布ERNIE 5.5 Flash Base高效基座模型，总参数280B
IT之家 11 月 5 日消息，百度文心大模型今日发布 ERNIE-5.5-Flash-Base，开放 ERNIE 5.5 Flash 预训练终点的权重。这是一个稀疏 MoE 语言模型，总参数 280B，每 token 激活 14B，在 33.
4个主流智能体记忆系统的对比
像微软 GraphRAG 和 LightRAG 这样的文档 RAG 系统也构建知识图谱，但是从静态语料库在单次批量处理中构建，而不是从增量智能体交互中构建。
AI下半场的战场，从Agent记忆体正式打响
近日一篇关于 Agent Memory 的系统性综述，联合了 20 + 所高校与工业界研究单位，包括伊利诺伊、加州等全球多所研究高校，以及 Meta、Google、Salesforce 等工业界团队，一起梳理了 Agent memory 这条正在爆炸式发展的赛道。
RAG这次真死了！SAG2才是本地知识库的神，又快又准又便宜～
SAG2 在 51 万份企业文档上建库 8 分 32 秒，Recall@10 达 81.10%，比 HippoRAG 2 高 15.55 个百分点，体积只有 10 几 MB。
苹果LensVLM：长上下文压缩成图片，模型边看边「放大」
Hugging Face 产品负责人 Victor Mustar 在 X 上介绍了该研究，相关帖文获得约 28 万次浏览。
280B总参数、14B激活！百度开源文心5.5 Flash Base，拿下同尺寸SOTA
智东西11月5日报道，今日，百度正式发布并开源文心5.5 Flash Base。在同尺寸基座模型的正面交锋中，它交出了一份颇具竞争力的成绩单。
不用向量数据库，Agent也能会搜索：给它一个grep就够了？
本文主要作者包括:TAMU 的 Zhuofeng Li、Yu Zhang，UCSD 的 Haoxiang Zhang，University of Waterloo 的 Dongfu Jiang、Cong Wei、Ping Nie、Wenhu Chen、Jimmy Lin， Stanford 的 Pan Lu、Yejin Choi、James Zou， UIUC 的 Ming Zhong、Jiawei Han、以及 UW、Verdent AI、Lambda 等机构的合作者。
400篇参考文献重磅综述，统一调查「人脑×Agent」记忆系统
跨学科突破：神经科学如何让 Agent 拥有「人类式」记忆？你是否想过 Agent 能像人类一样积累经验、不断成长？如今，这一愿景正加速走向现实。但是，现有研究要么只聚焦 AI 技术本身，要么对人脑记忆机制的借鉴浮于表面，两个学科之间始终缺少真正的灵感碰撞。