awareliquid
一个研究团队，致力于开发具有情景记忆的AI模型架构，提出了O系列和M系列模型。
时间轴 (近 90 天)
awareliquid团队公布的实验显示，O系列推理进程在无会话连接时内存恒定在0.381 MB（125M模型规模）。
在128k上下文测量中，O系列的残留状态内存比常规做法小1008倍。
M系列采用混合架构，保留注意力机制，推理内存并非O(1)。
快权重矩阵存储跨窗口出现过的键值关联（情节式键值记忆），不是压缩后的分布式上下文。
awareliquid实验证明快权重矩阵及配套状态可跨进程序列化落盘并无损恢复（bit-exact lossless），恢复后召回结果与源进程逐位一致。
awareliquid撤回了'-28.5% adapter PPL'的结论，归因错误：增益实际来自普通LoRA，与液态适配器无关。
awareliquid将'意识'和Phi值的说法降级为灵感来源，不再作为指标讨论。
评估'它还记得'演示时，应要求同时给出存储形态、删掉状态后剩余性能、跨进程恢复校验三要素。
awareliquid在LongMemEval上达到Recall@5 96.0%，检索过程零LLM调用。
快权重矩阵不会带来理解、推理或情绪，也不会提升长上下文语言建模性能，且记忆无冗余备份。
全部知识事实 (10)
awareliquid团队公布的实验显示，O系列推理进程在无会话连接时内存恒定在0.381 MB（125M模型规模）。
50%待验证在128k上下文测量中，O系列的残留状态内存比常规做法小1008倍。
50%待验证M系列采用混合架构，保留注意力机制，推理内存并非O(1)。
50%待验证快权重矩阵存储跨窗口出现过的键值关联（情节式键值记忆），不是压缩后的分布式上下文。
50%待验证awareliquid实验证明快权重矩阵及配套状态可跨进程序列化落盘并无损恢复（bit-exact lossless），恢复后召回结果与源进程逐位一致。
50%待验证awareliquid在LongMemEval上达到Recall@5 96.0%，检索过程零LLM调用。
50%待验证快权重矩阵不会带来理解、推理或情绪，也不会提升长上下文语言建模性能，且记忆无冗余备份。
50%待验证评估'它还记得'演示时，应要求同时给出存储形态、删掉状态后剩余性能、跨进程恢复校验三要素。
50%待验证awareliquid撤回了'-28.5% adapter PPL'的结论，归因错误：增益实际来自普通LoRA，与液态适配器无关。
50%待验证awareliquid将'意识'和Phi值的说法降级为灵感来源，不再作为指标讨论。
50%