智能体记忆：理论、系统与应用

简介

随着大模型向长期运行智能体演进，记忆能力已成为实现长期学习、个性化服务和复杂任务执行的关键基础。构建高效、可靠、可扩展的大模型智能体记忆系统，正成为人工智能领域的重要研究方向。 本讲习班聚焦大模型记忆系统的理论基础、系统架构与应用实践，系统介绍记忆技术的发展脉络及最新研究进展。首先分析人工智能为什么需要记忆，并介绍现代大模型记忆系统的整体架构，包括记忆的组成模块、层次结构以及完整工作流程。随后重点讲解参数化记忆、非参数化记忆等不同记忆组织形式，分析各类记忆机制的特点、适用场景及关键技术。在此基础上，进一步介绍记忆更新、记忆压缩、记忆遗忘、记忆演化等核心方法，探讨大模型如何实现长期持续学习与动态

简介为官网原文，部分内容可能未写完。