论文称把记忆管理交给系统内核可低成本提升个性化
资讯摘要
论文提出“内核管理的共享内存”这一系统级抽象：专用智能体写入结构化、带标签的记忆，由智能体系统内核而非单个智能体负责检索、隐私执行与提示注入。作者在 AIOS 上实现，用 GPT-4o、Llama-3.1:8B、Qwen-2.5:7B 三种模型共 1800 次试验，与 Mem0 等三种方案对比。作者报告个性化得分提升 2.4–4.0 分（5 分制），端到端延迟降低 15–61%。
要点速读
- 论文在 AIOS 上实现内核管理的共享内存，由内核统一负责检索、隐私执行与提示注入。
- 与相同底层存储的 Mem0 相比，作者报告个性化得分提升 2.4–4.0 分（5 分制），例如 GPT-4o 的 profile usage 从 1.05 升至 4.69，所有对比 p < 10^-18。
- 与全量无过滤上下文拼接相比，该方法在三个模型中的两个上性能相当，第三个略低，但端到端延迟降低 15–61%，token 用量与推理成本同步下降。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。