热点事件持续更新

流视频记忆机制自动发现：MemEvo与MEMO框架相继提出

2 篇报道2 个报道来源2 小时前更新

先了解这件事

AI 综述

2026-09-30，arXiv发表MemEvo框架，将流视频记忆设计建模为可执行记忆程序的搜索问题，利用LLM迭代生成并精炼候选程序，在StreamingBench和OVO-Bench上验证了免训、有界记忆条件下的流视频理解性能与效率。2026-10-01，arXiv发表MEMO框架，作为训练免费、即插即用的流视频记忆方法，通过多级实体感知结构化记忆对视频进行语义分块，并以轻量级全局与实体表示作为检索索引，在相同基准上一致提升多个基础模型性能并达到当前最优。两篇论文均聚焦流视频记忆机制的自动设计，但MemEvo侧重程序搜索，MEMO侧重实体感知结构化记忆。

AI 根据报道生成 · 1 小时前更新

事件进展

2 个进展

10月1日 12:00 · 1 篇报道
MEMO: Multi-Level Entity-Aware Memory for Streaming Video Un
arXiv · Computer Vision：MEMO：面向流视频理解的多级实体感知记忆框架
9月30日 12:00 · 1 篇报道
MemEvo: 自动发现流视频记忆机制
arXiv · Artificial Intelligence：MemEvo：流视频记忆机制的自动发现

报道时间线

沿着报道，了解事件的不同侧面。

10月1日

12:00
arXiv · Computer Vision
MEMO：面向流视频理解的多级实体感知记忆框架
MEMO是一种训练免费、即插即用的流视频记忆框架，通过多级实体感知结构化记忆对视频进行语义分块，并以轻量级全局与实体表示作为检索索引。实验在 StreamingBench 和 OVO-Bench 上显示其能一致提升多个基础模型性能，达到当前最优。

9月30日

12:00
arXiv · Artificial Intelligence
MemEvo：流视频记忆机制的自动发现
论文提出MemEvo框架，将流视频记忆设计建模为可执行记忆程序的搜索问题，通过LLM迭代生成和精炼候选程序，并在StreamingBench和OVO-Bench上验证了训练免训、有界记忆的流视频理解性能与效率。

本事件热度走势

当前热度 15·可比范围峰值 15（10月1日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。