热点事件持续更新
研究团队提出Titan-Llama外置神经记忆模块架构
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15日，研究人员在arXiv发布论文，提出名为Titan-Llama的后训练方法。该方法采用在测试时更新参数的分层记忆架构，无需从头预训练即可直接改造预训练大语言模型的注意力层。在针对Llama-3.2-1B-Instruct模型的评测中，Titan-Llama表现出显著的性能提升，其中QuALITY基准的准确率从23.87%提升至40.51%，LongHealth基准的准确率从14.50%提升至40.75%。
AI 根据报道生成 · 4 小时前更新
最新进展10月15日 12:00
研究团队提出Titan-Llama后训练方法，可在测试时更新记忆参数并显著提升长文本基准表现。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv 自然语言处理Titan-Llama：利用外部神经记忆模块改造预训练 LLM
研究人员提出 Titan-Llama，这是一种在测试时更新参数的分层记忆架构后训练方法，无需从头预训练即可改造注意力层。在 Llama-3.2-1B-Instruct 评测中，其将 QuALITY 准确率从 23.87% 提升至 40.51%，LongHealth 准确率从 14.50% 提升至 40.75%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15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。