标签
Titan-Llama 提出一种后训练方法，通过分层记忆架构和测试时参数更新，将预训练注意力模型改造为具备外部神经记忆模块的长上下文高效推理模型，在 QuALITY 和 LongHealth 上显著提升准确率并降低推理延迟与显存占用。
Remory 提出一种神经记忆网络，用有限的软记忆 token 补充文本摘要，使冻结的 LLM 在仅用 5.2% 输入位置的情况下逼近全上下文表现，并在 BrowseComp 和 Terminal-Bench 2.1 等长时程 agent 基准上带来一致提升、显著减少重复工具输出和错误。
REMORY 引入了一种神经记忆网络，通过一组有界的软记忆令牌来补充文本摘要，以实现长时程智能体的上下文压缩，使冻结的 LLM 仅使用 5.2% 的输入位置即可接近全上下文性能，并在 Qwen3.8-27B 和 GLM-5.3-Flash 上取得一致的提升。
MoNe 是一个轻量级的模块化神经记忆，它附加到冻结的预训练 Transformer 上，无需重新训练即可实现高效的长上下文推理，显著减少计算和内存使用。