EP127：追求 AI 记忆力的路线下，RAG 是否终将被抛弃？

AI 记忆与持续学习正面临从 “外部化检索” 向 “权重内化” 的范式转移。目前的上下文工程与 RAG 技术虽能解决短期需求，但存在成本高昂、推理冗余及逻辑深度不足等瓶颈。Engram 联合创始人 Dan Biderman 与 Jessy Lin 提出，模型应通过持续训练将私有数据与工作直觉深度融入权重，使其像资深员工一样理解组织战略与业务流程。这种 “永远在线” 的训练模式不仅能将 Token 消耗降低两个数量级，还能让模型在特定任务上实现涌现式的泛化能力。未来，每个人或团队都将拥有专属的、能够随时间演进的定制化模型，从而在数据归属与模型所有权之间建立全新的交互平衡。