热点事件持续更新
T-Mem：基于时序结构的长程多方对话记忆框架
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv Computation and Language 发布一手论文，提出面向 LLM 智能体长期多方对话的记忆框架 T-Mem。该框架通过时间证据发现与时间记忆结构化两个机制，恢复局部聚集证据并重建完整事件演进，再以 Evidence Forest Linearization 序列化证据生成答案。论文称在两个长期多方记忆基准上，T-Mem 在不同 LLM、参数设置、领域和查询类型下均优于竞争框架。目前公开信息仅含该论文报道，尚无后续验证或第三方复现结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
arXiv 发布 T-Mem 论文，称其在两个长期多方记忆基准上优于竞争框架。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Computation and LanguageT-Mem：用时间证据森林支撑长程多方对话记忆
论文提出面向 LLM 智能体长期多方对话的记忆框架 T-Mem，通过时间证据发现与时间记忆结构化两个机制，恢复局部聚集证据并重建完整事件演进，再以 Evidence Forest Linearization 序列化证据生成答案。在两个长期多方记忆基准上，T-Mem 在不同 LLM、参数设置、领域和查询类型下均优于竞争框架。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。