Update README.md
This commit is contained in:
11
README.md
11
README.md
@@ -55,11 +55,12 @@ MemoryBear作为模仿生物大脑认知过程的智能记忆管理系统,其
|
||||
|
||||
## MemoryBear架构总览
|
||||
<img width="2294" height="1154" alt="image" src="https://github.com/user-attachments/assets/3afd3b49-20ea-4847-b9ed-38b646a4ad89" />
|
||||
- 记忆萃取引擎(Extraction Engine):预处理、去重、结构化提取
|
||||
- 记忆遗忘引擎(Forgetting Engine):记忆强度模型与衰减策略
|
||||
- 记忆自我反思引擎(Reflection Engine):评价与重写记忆
|
||||
- 检索服务:关键词、语义与混合检索
|
||||
- Agent 与 MCP:提供多工具协作的智能体能力
|
||||
</br>
|
||||
- 记忆萃取引擎(Extraction Engine):预处理、去重、结构化提取</br>
|
||||
- 记忆遗忘引擎(Forgetting Engine):记忆强度模型与衰减策略</br>
|
||||
- 记忆自我反思引擎(Reflection Engine):评价与重写记忆</br>
|
||||
- 检索服务:关键词、语义与混合检索</br>
|
||||
- Agent 与 MCP:提供多工具协作的智能体能力</br>
|
||||
|
||||
## 实验室指标
|
||||
我们采用不同问题的数据集中,通过具备记忆功能的系统,进行性能对比。评估指标包括F1分数(F1)、BLEU-1(B1)以及LLM-as-a-Judge分数(J),数值越高表示表现越好,性能更高。
|
||||
|
||||
Reference in New Issue
Block a user