大型語言模型智能體中的跨任務技能遷移：子任務與文本勝出
為什麼值得讀 開發自主智能體的開發人員可以通過將記憶體結構化為文本形式的子任務來提高可靠性。所提出的效用評分提供了一種執行前的診斷工具，用於篩選有效的技能。
研究發現，子任務級別的歸納與文本格式能使大型語言模型智能體實現可靠的技能遷移，其表現優於任務級別和基於代碼的方法。
標籤 · #memory
NVIDIA 要求記憶體廠在 2026 年第四季交付 16 層堆疊 HBM4，抬高 AI 加速器供應門檻
為什麼值得讀 AI 算力的限制正從邏輯晶片移向記憶體堆疊。誰先攻克 16 層鍵合，誰就掌握了每一顆前沿 GPU 如今都依賴的咽喉要道。
NVIDIA 已要求 SK 海力士、三星與美光在 2026 年第四季交付 16 層堆疊 HBM4——這一陡升的堆疊跳躍，使先進封裝成為 AI 供應鏈的瓶頸。
美光躋身一兆美元俱樂部——當 HBM 不再是大宗商品
為什麼值得讀 該盯的數字不是「兆」，而是「結構性」三個字。UBS 上修 204% 的目標價，立基於 AI 記憶體已「去週期化」的論點：HBM4 售罄、DRAM 漲 58-63%、價格鎖到 2029。若記憶體真的擺脫了週期，整套半導體劇本都要改寫。
美光於 5/26 首度突破 1 兆美元市值——史上第 5 家晶片商——在 UBS 將目標價三級跳至 $1,625、且 2026 年 HBM4 產能已被長約售罄之後。