Engram 通过将知识嵌入权重而非仅限于上下文来引领AI“记忆”

AI初创公司Engram正在开发一种新颖的AI记忆和持续学习方法，旨在将专业知识直接嵌入模型权重，而不是仅仅依赖检索增强生成（RAG）或大型上下文窗口。该公司由理论神经科学和计算机系统架构领域的专家创立，他们认为这种方法将使AI模型能够更像经验丰富的员工一样运作，直观地理解特定的组织知识。Engram的策略涉及轻量级训练技术和适配器，并着眼于为每个人和每个团队打造个性化AI模型的长远愿景。 AI

影响 这种方法可以显著降低推理成本，并提高AI保留和利用专业知识的能力，有可能加速企业的采用。

排序理由 一家拥有知名投资者和清晰技术焦点的AI初创公司的融资公告。[lever_c_demoted from significant: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

• Andrej Karpathy
• Dan Biderman
• Engram
• General Catalyst
• Jessy Lin
• Kleiner Perkins
• KV cache
• LLaMA-70B
• MIT
• Pieter Abbeel
• retrieval-augmented generation
• Sequoia Capital
• Stanford University
• transformer

• 模型发布
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →