论文提出LAQ量化器提升Agent记忆全局保真度

Henry Han发布arXiv论文，提出局部感知量化方法LAQ，针对AI智能体记忆压缩只保局部近邻、丢失全局结构的问题，将证明的理论界转化为OPQ码书上的hinge目标，据称是首个目标函数来自已证明理论界的量化器。论文称LAQ在全部52个留出运行中提升全局保真度G（跨13个记忆编码器组p=8.5×10⁻⁴），包括外部FinDER记忆；并在全部12次Multi-Doc-2025运行中取得七个同等大小量化器中最高的G，可扩展至百万级段落且保持证据召回率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。