随着人工智能的发展，AI问答模型在各种应用场景中表现出色，尤其是在信息检索和知识问答领域。传统的RAG模型通过结合外部知识库的实时检索与生成模型，极大地提升了回答的准确性。然而，这类模型仍然面临一个重要挑战：无法有效处理长期信息，尤其是在需要持续记忆和动态更新知识的场景中表现不佳。
自从大型 Transformer 模型逐渐成为各个领域的统一架构，微调就成为了将预训练大模型应用到下游任务的重要手段
给大模型加上第三种记忆格式，把宝贵的参数从死记硬背知识中解放出来！
工具使用（Tool Use）和个性化记忆（Personalization Memory）是目前AI Agent最重要的基础设施
英特尔为了AI，再次做出重大架构变革： 像手机一样搞起SoC（系统级芯片），你的下一台笔记本不会再有独立内存条。 刚刚推出的新一代AI PC低功耗移动平台架构Lunar Lake，采用全新MoP（Memory on Package）封装，片上集成16或32GB的LPDDR5X内存，无法再额外连接更多RAM。
它通过将压缩记忆（compressive memory）整合到线性注意力机制中，用来处理无限长上下文
ChatGPT又要推出新功能了，这次名叫“记忆”（Memory）。如其名，作用就是让AI记住用户此前的对话内容。
