标签
MemPilot 是一个框架,利用强化学习为 LLM 智能体按需动态整理多模态记忆,通过自适应检索与异构模型选择在性能、成本和延迟之间取得平衡。在五个基准上的实验表明,相较于现有的权衡感知基线,它实现了更优的性能-成本-延迟折衷。
EpiCon 提出一个共享的多模态记忆框架,用于AI智能体之间的集体学习,在不更新宿主模型参数的情况下,提升了十一个基准测试的性能。
VoxMem是一个用于评估大型音频语言模型中多模态记忆的基准测试,重点考察声学证据类型和多会话记忆操作。它揭示了当前模型中的显著差距,例如与语义内容相比,说话者身份和副语言线索的保留较差。
提出VoxPolyMem,一个面向多方口语对话的交互感知多模态记忆框架,具备自适应智能检索功能,在新基准测试中达到了最先进的性能。
本文介绍了一种参数化多模态用户记忆系统,通过整合语音和外貌等感知数据,利用视觉语言模型和专用编码器,提升AI智能体回忆用户的能力,从而超越基于文本的方法。
EM^2Mem 提出了一种事件中心的多模态记忆框架,该框架将异构证据绑定到事件锚点,为长视频问答提供紧凑、可生成的记忆,从而提高准确性并降低延迟。
本文介绍了AdaMM,一个通过分析记忆补充基于检索的多模态记忆的框架,能够对累积的观测进行过滤、聚合、排序和时间比较。在MemEye和MemGallery基准上的实验显示,性能分别提升了高达11.3%和7.3%。
ViSAGE是一个用于长视频理解的多模态智能体记忆框架,通过跨模态绑定、双向记忆精炼和多智能体交叉验证来构建自我纠正、以实体为中心的记忆,相比基线实现了5.9%的准确率提升。