论文页面 - MobileMem：从一年的移动设备体验中学习

来源：https://huggingface.co/papers/2608.13606 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

MobileMem 是一个基准测试和框架，旨在评估设备端长期记忆能力，其基础是需要时序推理、知识更新和偏好推断的、长达一年的多模态移动设备体验轨迹。

下一代人工智能智能体正日益从回答孤立问题的系统，转向能够理解、记忆并持续从用户经验中学习的持久性个人助手。此类助手需要长期记忆来积累并利用随时间变化的用户特定经验，但现有基准测试在模拟真实的移动设备环境方面仍显不足，因为移动体验具有异构性、多模态性 (https://huggingface.co/papers?q=multimodal)、演进性且高度个性化。我们推出了 MobileMem，这是一个用于研究设备端长期记忆 (https://huggingface.co/papers?q=on-device%20long-term%20memory) 的基准测试和框架，其基础是长达一年的移动设备体验收集。MobileMem 采用知识驱动合成 (https://huggingface.co/papers?q=knowledge-grounded%20synthesis) 流水线，从用户应用会话中构建连贯且时序一致的长跨度轨迹。它提供了互补的文本和多模态 (https://huggingface.co/papers?q=multimodal) 设置，涵盖多跳与即时序推理 (https://huggingface.co/papers?q=temporal%20reasoning)、知识更新以及隐式偏好推断 (https://huggingface.co/papers?q=implicit%20preference%20inference)。具体而言，MobileMem 使智能体能够记忆过去、理解现在并适应未来。通过建模体验而非孤立的事实，MobileMem 将记忆从信息检索推向经验智能 (https://huggingface.co/papers?q=experiential%20intelligence)，以实现持续的个人学习。

查看 arXiv 页面 (https://arxiv.org/abs/2608.13606) 查看 PDF (https://arxiv.org/pdf/2608.13606) 项目页面 (https://zjunlp.github.io/MobileMem/) GitHub11 (https://github.com/zjunlp/MobileMem) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.13606)

通过你的智能体获取本文：

hf papers read 2608\.13606

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

没有模型链接本文

在模型的 README.md 中引用 arxiv.org/abs/2608.13606 以从本页链接。

引用本文的数据集1

zjunlp/MobileMem 约5小时前更新 • 224 • 2 (https://huggingface.co/datasets/zjunlp/MobileMem)

引用本文的 Spaces0

没有 Space 链接本文

在 Space 的 README.md 中引用 arxiv.org/abs/2608.13606 以从本页链接。

包含本文的收藏0

没有收藏包含本文

将本文添加到收藏 (https://huggingface.co/new-collection) 以从本页链接。