标签
介绍DMF，一种用于对话式AI代理的确定性记忆框架，它用经典NLP和数学评分取代了基于LLM的压缩，实现了与Mem0相当的准确度，同时内存准备使用零token，总体token使用量减少高达242倍。
介绍了一个智能体记忆框架，包含三个组件：记住（热会话和跨会话存储）、引用（通过AGENTS.md进行权威排序）和遗忘（带时间戳的事实，采用Mem0风格的软衰减）。该框架认为，缺少其中任何一个都会导致使用过时的事实或未经授权的来源。
该文章介绍了开源的EverOS项目，它为Claude Code等AI编码助手提供长期记忆能力，自动保存对话历史并在新对话中检索记忆，此外还包含多个应用案例。
MemForest 提出了一种面向长上下文 LLM 智能体的记忆框架，通过并行块提取和分层时间索引来提高可扩展性并降低延迟，在基准测试中实现了 6 倍的吞吐量提升。
Echo-Forcing 提出了一种用于交互式长视频生成的场景记忆框架，利用分层时间记忆、场景召回帧和差异感知记忆衰减来处理提示切换和长期回忆。该方法无需训练，在 VBench-Long 上取得了强劲的性能。
介绍SimpleMem，一种面向LLM智能体的高效记忆框架，利用语义无损压缩提升准确率并降低token消耗，F1分数提升26.4%，推理时token使用量减少高达30倍。