大语言模型智能体中的跨任务技能迁移：子任务与文本胜出
为什么值得读 构建自主智能体的开发者可以通过将记忆结构化为文本形式的子任务来提高可靠性。所提出的效用分数提供了一种执行前的诊断手段，用于筛选有效技能。
研究发现，基于子任务的归纳和文本格式能使大语言模型智能体实现可靠的技能迁移，其效果优于基于任务和代码的方法。
标签 · #memory
NVIDIA 要求存储厂在 2026 年第四季度交付 16 层堆叠 HBM4，抬高 AI 加速器供应门槛
为什么值得读 AI 算力的限制正从逻辑芯片移向存储堆叠。谁先攻克 16 层键合，谁就掌握了如今每一颗前沿 GPU 都依赖的咽喉要道。
NVIDIA 已要求 SK 海力士、三星与美光在 2026 年第四季度交付 16 层堆叠 HBM4——这一陡升的堆叠跳跃，使先进封装成为 AI 供应链的瓶颈。
美光跻身一万亿美元俱乐部——当 HBM 不再是大宗商品
为什么值得读 该盯的数字不是"万亿"，而是"结构性"三个字。UBS 上修 204% 的目标价，立基于 AI 内存已"去周期化"的论点：HBM4 售罄、DRAM 涨 58-63%、价格锁到 2029。若内存真的摆脱了周期，整套半导体剧本都要改写。
美光于 5/26 首度突破 1 万亿美元市值——史上第 5 家芯片商——在 UBS 将目标价三级跳至 $1,625、且 2026 年 HBM4 产能已被长约售罄之后。