热点事件持续更新
学者提出CTWM智能体记忆控制模型
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月，相关研究揭示了长周期语言智能体在有限上下文和重复检索场景下的记忆规律，发现记忆检索呈现向少数核心集中、罕见状态落入长尾的重尾分布特征。针对该问题，研究人员提出了Core-Tail World Model（CTWM）控制器，该模型通过单一指数分配提示词预算并保留长尾总结。实验结果显示，CTWM在Synthetic Graph World测试中降低了13.6%的长尾预测误差，并在LongMemEval基准测试中保持准确率的同时减少了24.48%的token消耗。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
研究提出CTWM控制器，在降低长尾预测误差的同时减少了24.48%的token消耗。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 人工智能长周期语言智能体中的重尾记忆轨迹研究
研究揭示长周期语言智能体在有限上下文和重复检索下，记忆检索呈现向少数核心集中、罕见状态落入长尾的重尾分布特征。基于此提出的 Core-Tail World Model（CTWM）控制器通过单一指数分配提示词预算并保留长尾总结。CTWM 在 Synthetic Graph World 上降低 13.6% 长尾预测误差，在 LongMemEval 上保持准确率的同时减少 24.48% 的 token。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。