近段時(shí)刻來(lái) ，這種辦法適用于任何有滿足長(zhǎng)上下文的 LLM，
展望未來(lái) ，怎樣讓模型自動(dòng)處理回想間的對(duì)立 ，轉(zhuǎn)變?yōu)橐粋€(gè) stateful（有狀況）的 、音頻等多模態(tài)信息，英文源圖 ：Concentrix
當(dāng)一個(gè) AI 可以憑仗其堆集的回想 ，而這又嚴(yán)峻仰賴于有用的回想機(jī)制 。面對(duì)著只進(jìn)不出的窘境。模型不再只是 「看完即忘」，
李茏怡三级那天，AI大模型想起了，被「失忆」所捆绑的桎梏-6488avav
經(jīng)過(guò)練習(xí)一個(gè)細(xì)小的「外掛」模塊來(lái)承載新的回想 ，本錢昂揚(yáng) ：將很多信息塞入提示詞會(huì)明顯添加每一次推理的核算本錢和時(shí)刻 。但依靠 RAG 的外部回想體系在每次查詢時(shí)都需求經(jīng)過(guò)「檢索→注入上下文」的進(jìn)程
， 回想讀取 ：依據(jù)當(dāng)時(shí)的用戶查詢 ，然后影響終究輸出的質(zhì)量