107 പേജുള്ള RAG, Agent & LLM മെമ്മറി അവലോകനം

ഇന്ന്, റെൻമിൻ യൂണിവേഴ്സിറ്റി, ഫുഡാൻ യൂണിവേഴ്സിറ്റി, പെക്കിംഗ് യൂണിവേഴ്സിറ്റി തുടങ്ങിയവയുടെ 107 പേജുള്ള സാങ്കേതിക അവലോകനം പങ്കിടുന്നു: “AI ഏജൻ്റ് യുഗത്തിലെ മെമ്മറി: ഒരു സർവേ ഫോംസ്, ഫംഗ്ഷൻസ് ആൻഡ് ഡൈനാമിക്സ്”.\n\nപ്രോജക്റ്റ് വിലാസം: https://github.com/Shichun-Liu/Agent-Memory-Paper-List\n\nപ്രബന്ധം വിലാസം: https://arxiv.org/pdf/2512.13564\n\n\n\nകഴിഞ്ഞ രണ്ട് വർഷത്തിനുള്ളിൽ, വലിയ ഭാഷാ മോഡലുകൾ (LLM) AI ഏജൻ്റുകളായി (AI Agents) അതിവേഗം പരിണമിക്കുന്നത് നമ്മൾ കണ്ടു. ഡീപ് റിസർച്ച് മുതൽ സോഫ്റ്റ്‌വെയർ എഞ്ചിനീയറിംഗ് വരെ, ശാസ്ത്രീയ കണ്ടെത്തലുകൾ മുതൽ മൾട്ടി-ഏജൻ്റ് സഹകരണം വരെ, അടിസ്ഥാന മോഡലുകളെ അടിസ്ഥാനമാക്കിയുള്ള ഈ ഏജൻ്റുകൾ ആർട്ടിഫിഷ്യൽ ജനറൽ ഇൻ്റലിജൻസിൻ്റെ (AGI) അതിരുകൾ ഭേദിക്കുന്നു.\n\nഎന്നാൽ ഒരു പ്രധാന ചോദ്യം ഉയർന്നുവരുന്നു: സ്ഥിരമായ LLM പാരാമീറ്ററുകൾക്ക് വേഗത്തിൽ അപ്‌ഡേറ്റ് ചെയ്യാൻ കഴിയുന്നില്ലെങ്കിൽ, ഏജൻ്റുകൾക്ക് എങ്ങനെ തുടർച്ചയായി പഠിക്കാനും സാഹചര്യങ്ങളുമായി പൊരുത്തപ്പെടാനും കഴിയും?\n\nഉത്തരം ഇതാ: മെമ്മറി (Memory).\n\n> \