事實作為一級對象：用知識對象實現持久 LLM 記憶

摘要

研究對比了 LLM 的兩種記憶策略：傳統的 in-context memory（將事實存在 prompt 裡）和新提出的 Knowledge Objects（KOs）——用哈希尋址的離散元組實現 O(1) 檢索。實驗發現 in-context memory 在 Claude Sonnet 4.5 上存在三大問題：容量上限（8,000 個事實時 prompt 溢出）、壓縮失損（摘要會銷毀 60% 的事實）和目標漂移（反覆壓縮導致 54% 的約束條件丟失），而 KOs 在所有條件下都達到 100% 準確率且成本低 252 倍。在多跳推理上，KOs 達到 78.9% 準確率，遠超 in-context 的 31.6%。