热点事件持续更新
研究人员提出面向大模型智能体的轻量级记忆框架SLICE-Mem
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv自然语言处理领域公布了关于轻量级智能体记忆框架SLICE-Mem的研究。该框架旨在面向大语言模型智能体提供高效的信息整理方案，其核心特点是无需在线调用生成式大模型，而是通过显著性准入分类器与语义依存抽取器直接生成记忆条目。在Qwen3-30B模型配置下的测试显示，SLICE-Mem在Memora Weekly评测中取得46.60 FAMA，在LongMemEval-S评测中达到56.8%的准确率，整体表现接近生成式基线MemOS。
AI 根据报道生成 · 4 小时前更新
最新进展10月27日 12:00
研究人员提出SLICE-Mem框架，无需在线调用生成式LLM即可实现高效智能体记忆条目整理。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 自然语言处理SLICE-Mem：面向高效 LLM 智能体记忆的轻量级信息整理框架
SLICE-Mem 提出了一种无需在线调用生成式 LLM 的轻量级智能体记忆框架，通过显著性准入分类器与语义依存抽取器直接生成记忆条目。在 Qwen3-30B 配置下，它在 Memora Weekly 和 LongMemEval-S 评测中分别取得 46.60 FAMA 与 56.8% 准确率，表现接近生成式基线 MemOS。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。