热点事件持续更新
研究人员提出分层长期记忆架构APDMem
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月5日，研究人员在arXiv发布论文，提出面向个性化大语言模型助手的层次化长期记忆架构APDMem。该架构将对话历史自上而下划分为主题摘要、个性化关键事实、轮次级证据笔记和原始消息四层结构。在推理阶段，控制器利用渐进式披露机制按需逐层深入检索，并在生成前通过笔记合成器整合事实并标记矛盾。评测结果显示，在LongMemEval基准测试中，APDMem仅需访问8%的对话内容即可实现强劲的长上下文记忆推理性能。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
研究人员提出分层长期记忆架构APDMem，仅访问8%对话即可实现高效长上下文推理。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 自然语言处理APDMem：面向查询自适应长期记忆的智能体控制渐进式披露架构
APDMem 是一种用于个性化大语言模型助手的层次化长期记忆架构，将对话历史划分为主题摘要、个性化关键事实、轮次级证据笔记和原始消息四层结构。在推理时，控制器采用渐进式披露机制按需逐层深入检索，并在生成前由笔记合成器整合事实与标记矛盾。在 LongMemEval 评测中，该架构仅访问 8% 的对话内容即可实现强劲的长上下文记忆推理性能。
本事件热度走势
当前热度 9·可比范围峰值 10（10月5日 12:00）·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。