ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงกำลังพัฒนา

Show HN เผยแพร่สเปกโครงสร้างพื้นฐานเอเจนต์ AI และการบีบอัดหน่วยความจำ

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 16 ชม. ที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

โพสต์ Show HN ได้เผยแพร่สเปกสถาปัตยกรรมสำหรับโครงสร้างพื้นฐานเอเจนต์ AI โดยออกแบบ вокругการบีบอัดหน่วยความจำแบบหมุนสามชั้น: ค่าคงที่ที่ปักหมุดไว้, บัญชีแยกประเภทที่บีบอัดแล้วของข้อเท็จจริงที่ขจัดความซ้ำซ้อนแล้ว และส่วนท้ายดิบแบบร้อนของ 4–6 เทิร์นล่าสุด ผู้เขียนรายงานว่าบนชุดย่อย SWE-bench Verified ที่ใช้ Llama-3.3-70B บน 4×A100 การออกแบบนี้บรรลุการเรียกคืนกฎระบบ 97.8% ที่ 0.62M โทเคนต่อการรัน ลดลง 66% เมื่อเทียบกับบัฟเฟอร์บริบทแบบธรรมดา สเปกยังครอบคลุมการถอดรหัสแบบจำกัดสคีมาผ่าน xgrammar และ outlines, การเสริมความแข็งแกร่งของ MCP และแซนด์บ็อกซ์ gVisor/Firecracker ตัวเลขประสิทธิภาพเป็นผลลัพธ์ที่ผู้เขียนรายงานเอง

สร้างจากรายงาน · อัปเดต 16 ชม. ที่แล้ว

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

17 พฤศจิกายน
  1. Hacker News · AI
    Show HN: ข้อกำหนดโครงสร้างพื้นฐานและ Memory Compaction สำหรับ AI Agent

    โพสต์ Show HN เผยแพร่ข้อกำหนดสถาปัตยกรรมที่คัดสรรสำหรับโครงสร้างพื้นฐานของ AI agent โดยเน้นการออกแบบ three-tier rolling memory compaction ได้แก่ pinned invariants, compacted ledger ของข้อเท็จจริงที่ deduplicated แล้ว และ hot raw tail ของ 4-6 เทิร์นล่าสุด บนชุดย่อย SWE-bench Verified ด้วย Llama-3.3-70B บน 4×A100 ผู้เขียนรายงานว่าได้ system rules recall 97.8% และ 0.62M tokens ต่อการรันหนึ่งครั้ง ลดลง 66% เมื่อเทียบกับ context buffer แบบ naive ข้อกำหนดยังครอบคลุม schema-constrained decoding ผ่าน xgrammar และ outlines, MCP hardening และ gVisor/Firecracker sandboxing

ความร้อนแรงของเหตุการณ์นี้

ช่วงปัจจุบันที่เทียบได้
6
จุดสูงสุดในช่วงที่เทียบได้
1017 พฤศจิกายน 17:00
การเปลี่ยนแปลงใน 24 ชั่วโมง
–

แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู