待验证50% 置信事实精确时间

传统上，大模型的记忆主要依赖三种方式：系统提示词（System Prompt）、检索增强生成（RAG）以及微调（Fine-tuning）

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

MemoraX Code实测：给AI编程Agent加上跨工具共享记忆

涉及实体

System Promptconcept RAGconcept Fine-tuningconcept

相关事实

待验证LLM的记忆依赖于上下文窗口，即模型在单次推理时能够处理的最大Token数量74% 相似待验证微调适合让模型学习特定输出风格或领域语气，而RAG通过外挂知识库实现即改即用，两者在工程中常结合使用72% 相似已验证大模型推理阶段是memory-bound（内存带宽受限），每生成一个Token需从显存读取整个模型权重，计算强度极低72% 相似待验证Memory机制在大语言模型工程中对应系统提示词工程与外部记忆存储的结合，用于模拟无状态模型的持久化状态71% 相似待验证向量记忆可以随时增删实时更新，与大模型参数中硬编码的知识有本质区别，属于可持续扩展的外部记忆71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/871896

API

curl https://kongchang.com/api/v1/knowledge/claims/871896

MCP

get_claim(id=871896)