智能体与自主科学
突破级
暂无讲解视频
收录解读
这篇论文讨论的不是普通 RAG 效果，而是一个更底层的问题：随着 agent 推理链变长，外部记忆到底该如何组织，才能避免 reasoning cost 被顺序扫描拖垮。作者把 context window 形式化成 I/O page，并把 indexed external memory 作为独立能力对象来分析。
核心贡献是给出顺序扫描与索引检索之间清晰的复杂度分界，并用跨模型实验展示：即便模型理解内容很强，只要检索依赖语言模型自己执行导航协议，就会在规模上失稳；更稳的模式是让模型负责语义建索引，让确定性算法负责索引遍历。
这很符合仓库对 agent memory / capability extension 的高优先级方向。它不是又一个工程技巧，而是把外部组织结构上升为 agent reasoning capacity 的决定因素之一，对后续 memory system 设计有直接方法和系统启发。
它目前仍然不是更高一级，因为实验还集中在受控 lookup setting，虽然结论干净，但距离更复杂真实 agent workloads 的全面验证还有一段距离。