本期将分享近期全球知识图谱相关
行业动态、近期会议、书籍推荐
知识图谱+生物医学
AWS与NVIDIA近日联合举办开放数据知识图谱黑客松,聚焦人工智能与生物医学的交叉领域。来自美英两地的50多名研究人员在三天内开发了七个创新项目,旨在利用知识图谱与图检索增强生成技术提升AI输出的可靠性与证据支持。项目涵盖癌症基因组整合、结肠癌生物标志物识别、多组学数据分类等多个方向,均基于Amazon Neptune等云服务构建,强调可复现性与开源共享。这些成果展示了知识图谱在打破数据孤岛、构建可信生物医学AI系统方面的潜力,为后续可扩展的透明化AI研究奠定了基础。
https://t.hk.uy/bZ8c

英伟达图处理技术突破
全球性能最高的大规模图处理系统建立在一个商业化集群之上。英伟达上个月公布了创纪录的410万亿遍历边缘每秒(TEPS),在第31届Graph500广度优先搜索(BFS)榜单中排名第一。该测试在达拉斯CoreWeave数据中心的加速计算集群上进行,获胜运行使用了8,192块NVIDIA H100 GPU处理一个包含2.2万亿顶点和35万亿条边的图。这一结果是同类解决方案的两倍多。
http://i9n.cn/4VjdJ

CCF人工智能产业创新大会

https://ccf.org.cn/AIIIC
A-Mem
本周推荐的是arxiv 2025.10上的论文:A-MEM: Agentic Memory for LLM Agents

引言
大型语言模型(LLM)智能体已成为自主交互和任务执行的强大工具,但其有效性从根本上受限于其记忆能力。尽管当前的记忆系统提供了基本的存储和检索功能,但它们缺乏实现长期、自适应交互所需的复杂组织结构。本文引入了 A-Mem(智能体记忆),一种动态记忆系统,它使 LLM 智能体能够以类似于人类知识网络的方式自主组织、演化并相互连接其记忆。

A-Mem 与传统记忆系统之间的根本区别在于记忆组织的自主性。传统方法依赖于具有预定模式的静态存储,而 A-Mem 引入了一种“智能体式”记忆,它主动生成上下文描述,形成有意义的连接,并随着新经验的整合不断演化其知识结构。
核心架构与设计
A-Mem 从 Zettelkasten 方法中汲取灵感,这是一种强调原子化、相互关联的知识单元的笔记系统。该系统架构由四个不可或缺的组件组成,它们协同工作以创建一个动态的、自组织的记忆网络。

论文、讨论和资源链接,感兴趣的读者可以关注:
https://www.alphaxiv.org/overview/2502.12110v11
更多链接
内容:袁知秋、程湘婷、王图图

诚邀您加入我们的gStore社区,我们将在群内解决使用问题,分享最新成果~
请在微信公众号图谱学苑发送“社区”入群~

微信社区群:请回复“社区”获取




