热点事件持续更新
研究团队提出REMORY残差记忆网络以优化上下文压缩
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9日，相关研究团队在arXiv发布了关于REMORY残差记忆网络的研究。REMORY是一种通过生成软记忆token来补充文本摘要的神经记忆网络，旨在帮助冻结的大语言模型（LLM）在上下文压缩状态下近似完整历史的生成表现。评测结果显示，在SummHay基准测试中，该方法仅占用5.2%的输入位置即可接近完整上下文得分；此外，Qwen3.8-27B和GLM-5.3-Flash引入该网络后，在BrowseComp与Terminal-Bench 2.1基准测试中的工具错误及重复输出均大幅减少。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
研究团队提出REMORY残差记忆网络，仅占5.2%输入位置即可接近完整上下文表现。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 自然语言处理REMORY：通过学习残差记忆实现上下文压缩
REMORY 是一种通过生成软记忆 token 补充文本摘要的神经记忆网络，可帮助冻结的 LLM 在上下文压缩下近似完整历史的生成表现。在 SummHay 评测中，该方法仅占用 5.2% 的输入位置即接近完整上下文得分；Qwen3.8-27B 和 GLM-5.3-Flash 引入后，在 BrowseComp 与 Terminal-Bench 2.1 上的工具错误及重复输出大幅减少。
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。