- 发布于
vectorize-io/hindsight 9-25 当天 1,668 stars / 总 27.7k / 3,179 commits / 1,334 branches。它的 paper 把 LongMemEval 39%→83.6% (OSS-20B) 这件事拆成 4 个反直觉点:multi-session 21.1%→79.7% 是网络分离 + 时序图的功劳不是 reranker、89.6% 不靠大模型靠 4-way retrieval、agent 人格用 3 个 1-5 数字 + 文本控制、recall 0 LLM token 是 production scaling 关键。我顺手把我们 hermes-agent 集成的 vectorize hindsight 跟它本身 27.7k stars 主仓做了一次对比,整理出 5 个我们集成时也踩过的对照点。