近年来，LLMs如GPT系列、Llama等，以惊人的速度发展，参数规模从几亿跃升至万亿级别，性能在多类任务中显著提升。人们普遍认为：只要模型更大、数据更多、算力更强，LLM就能无限接近“通用人工智能”。然而，这篇论文《On the Fundamental Limits of LLMs at Scale》提出了截然不同的观点：**LLM的性能提升存在不可逾越的理论天花板**。

在软件开发的世界里，代码安全扫描就像是体检，人人都知道重要，但真正能坚持下来的却寥寥无几。你是否也遇到过这样的场景：

本工作提出 A-MEM（Agentic Memory），一种受 Zettelkasten 知识管理法 启发的智能记忆系统，让大语言模型代理（LLM Agents）能够自主组织、链接并进化记忆，从而实现持续学习与长程推理。

本工作提出 A-MEM（Agentic Memory），一种受 Zettelkasten 知识管理法 启发的智能记忆系统，让大语言模型代理（LLM Agents）能够自主组织、链接并进化记忆，从而实现持续学习与长程推理。

本文提出了一种名为Tree Training的新训练范式，通过将智能体交互产生的树状轨迹数据进行高效打包和计算复用，在训练的前向和后向传播中对共享的前缀（prefix）只计算一次，从而显著提升了智能体大语言模型（Agentic LLM）的训练效率。

本文提出了一种名为Tree Training的新训练范式，通过将智能体交互产生的树状轨迹数据进行高效打包和计算复用，在训练的前向和后向传播中对共享的前缀（prefix）只计算一次，从而显著提升了智能体大语言模型（Agentic LLM）的训练效率。

想让AI代理更聪明，却被复杂的训练流程、框架限制和代码改写困住？Agent Lightning 让你几乎不用改代码，就能给任何框架的代理轻松装上强化学习等优化能力，直接突破性能瓶颈。

想让AI代理更聪明，却被复杂的训练流程、框架限制和代码改写困住？Agent Lightning 让你几乎不用改代码，就能给任何框架的代理轻松装上强化学习等优化能力，直接突破性能瓶颈。

开发 Claude 应用时还在为代码整合、功能实现挠头？Claude Cookbooks 直接送上可复用代码片段与指南，帮你轻松搞定分类、生成增强等各类开发难题。

导语：在大语言模型蓬勃发展的今天，如何让AI更准确地理解和回答问题？香港大学团队开源的LightRAG项目给出了一个优雅的答案。这个在EMNLP 2025上发表的框架，已经获得了超过22,000个GitHub星标，成为RAG领域最受关注的项目之一。