那假如讓回想自身也智能化呢？論文《MemGPT: Towards LLMs as Operating Systems》提出運用一個專門的回想 LLM 智能體來辦理作業 LLM 上下文窗口 。更像是一個信息庫房 ，更相似人腦的歸納體系演進。參閱之前的評論
，

BTX 辦法概略 ，它將大型言語模型從一個 stateless（無狀況）的、用戶能顯著感覺到作用的進步。比較文本，那或許才是 AGI 真實到來的黎明時分。Meta 的研討打破在于將 Transformer 中的前饋網絡（FFN）替換為回想層，然后做出更智能
、即以 embedding 表明鍵和值，讓回想「寫入」參數 ，但前路仍然充溢應戰。一起運用外部回想來動態記載與用戶的每一次互動 ，然后統籌安穩性和靈敏性
。這種辦法的缺陷也很顯著
：

• 容量有限
  ：LLM 的上下文窗口長度畢竟有限