IBM 研究院探讨智能体内存配置：不同模型的智能体内存剂量该如何校准
2026.08.19 · 观点 · 行业动态 · 官方发布
IBM 研究院发文探讨 AI 智能体内存（Agentic Memory）的配置策略，指出内存剂量需根据模型能力进行个性化
IBM 研究院近期发布文章探讨了智能体内存（Agentic Memory）的配置策略。研究发现，通过 ALTK-Evolve 从过往轨迹中提取行为准则并注入推理时，不同的模型层级需要不同的内存剂量：强模型偏好全量准则，较弱模型适合精简核心加检索，而饱和模型则无明显增益。
- 强模型适合注入全量准则，可显著提升任务完成率。
- 较弱模型使用紧凑核心加任务相关检索效果最佳。
- 已饱和的模型在接入准则后无明显可测量的增益。
- ALTK-Evolve 无需更新模型权重即可实现持续学习。
为什么值得看
揭示了 AI 智能体内存配置的科学规律，避免盲目堆砌带来的性能或成本问题。
适合谁关注
AI 从业者、大模型研究员及智能体开发者