研究提出LAQ量化方法提升AI Agent记忆保真度

Henry Han 提交论文，提出局部感知量化（LAQ）方法，用于压缩 AI Agent 记忆时提升全局保真度 G。该方法把远端全局保真度 G 的证明上界转化为 OPQ 索引码本上的 hinge 目标，同时保留原有字节、旋转和搜索方式。 论文称，在全部 52 次留出运行中 G 均有提升（p=8.5×10⁻⁴，覆盖 13 个记忆编码器组）；在 12 次 Multi-Doc-2025 运行中，LAQ 在七种等大小量化器中取得最高 G。

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。