WFM 架构：基于链接式 Markdown Wiki 构建图结构智能体长期记忆

研究团队于2026年9月在arXiv发布了WFM架构，将智能体长期记忆组织为带链接的Markdown Wiki图结构，为解决长程智能体推理中的记忆检索与结构割裂问题提供了新范式。

• 知识图谱与文本融合：根据arXiv预印本（2026-09-22），WFM（Wiki Foundation Model）提出LLM Wiki表示法，将密集文档上下文与多层拓扑链接耦合，由页面文本与页面间链接共同决定检索结果。
• 检索与聚合机制：模型采用基于查询条件的注意力聚合和注意力方差正则化，在Wiki图结构中进行消息传递，以支持复杂多跳推理。
• 分布式训练优化：团队设计了基于NCCL的GPU间边界交换协议，绕过CPU序列化与内存复制瓶颈，在分布式集群上实现了10.5倍的训练速度提升，并在五个智能体记忆基准上验证了有效性。
• 影响/看点：若该方案在复杂工程和动态更新场景下的维护成本可控，意味着以Markdown文件库作为智能体外部记忆的系统有望获得更高效的多跳推理与拓扑检索能力。
• 资料依据:
• X：Elvis Saravia (@omarsar0, DAIR.AI)（2026-09-23）：https://x.com/omarsar0/status/2102579964436680959
• arXiv论文（2026-09-22）：https://arxiv.org/abs/2609.18182

本内容由 AI 生成，仅供参考，请注意甄别