1.4 KiB
1.4 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| 模型驱动 vs 应用驱动记忆 | 2026-06-19 | 2026-06-19 | concept |
|
|
模型驱动 vs 应用驱动记忆
两条技术路径
Agent 记忆增强系统有两种实现路径：
模型驱动（Model-Driven）
- 方式：基础模型架构创新（如 Memorizing Transformers, MemTensor 自研记忆原生模型）
- 优势：上限高——记忆与推理深度耦合
- 劣势：成本极高，训练失败风险大
- 代表：Google Memorizing Transformers, MemTensor 记忆原生模型
应用驱动（Application-Driven）
- 方式：通过 Prompt 流或 Agent 流模拟记忆过程
- 优势：落地轻量，实施快速
- 劣势：与基模结合不够紧密，缺少深度增强
- 代表：Mem0, Zep, Letta
MemTensor 的融合策略
模型驱动决定上限，应用驱动决定下限。 需要从系统层面将两者结合。
实现方式：layered-memory-architecture中的分层协同——参数记忆层走模型驱动路线，明文记忆层走应用驱动路线，激活记忆层连接两者。