热点事件观察中
研究者提出具身智能体记忆自适应框架MATE
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月30日，研究人员在arXiv发表论文，提出面向任务条件执行的记忆自适应框架MATE。该方法属于确定性处理方式，能够在检索后将历史轨迹转换为执行导向记忆，且无需额外的大语言模型（LLM）推理。在134项ALFWorld任务的测试中，MATE配合Qwen2.5-14B和72B模型分别实现了81.3%与93.3%的任务成功率，同时token消耗仅为原始轨迹的约十分之一。受控对比实验表明，验证动作归一化是恢复检索经验可用性的关键机制。
AI 根据报道生成 · 5 小时前更新
最新进展9月30日 12:00
研究者提出MATE框架，在ALFWorld测试中显著提升成功率并将Token消耗降至约十分之一。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 自然语言处理当成功的记忆误导具身智能体：面向任务条件执行的记忆自适应 MATE
研究人员提出 MATE，这是一种在检索后将历史轨迹转换为执行导向记忆的确定性处理方法，无需额外 LLM 推理。在 134 项 ALFWorld 任务中，MATE 配合 Qwen2.5-14B 和 72B 分别取得了 81.3% 与 93.3% 的任务成功率，且 token 消耗仅为原始轨迹的约十分之一。受控对比表明验证动作归一化是恢复检索经验可用性的关键机制。
本事件热度走势
当前热度 5·可比范围峰值 5（10月1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。