MemoWM：世界模型压缩智能体记忆
Get the story
2026年10月9日，arXiv Machine Learning Theory（一手）报道，研究者提出 MemoWM 框架，用世界模型的共享预测压缩 AI 智能体的长期记忆，并按任务感知规则在重建误差与存储成本之间分配保留信息。在五个长期智能体记忆基准上，MemoWM 平均答案准确率达 42.42%，比最强基线高 2.62 个百分点，同时比最省存储的基线 MIRIX 减少 53.9% 的经验专属存储。报道还称代码已开源，更强的世界模型可在相近任务质量下进一步降低单次经验存储。目前未见更早或相互矛盾的报道。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryMemoWM：世界模型如何改变 AI 智能体需要记住的内容
研究者提出 MemoWM 框架，用世界模型的共享预测压缩 AI 智能体的长期记忆，并按任务感知规则在重建误差与存储成本间分配保留信息。在五个长期智能体记忆基准上，MemoWM 平均答案准确率达 42.42%，比最强基线高 2.62 个百分点，同时比最省存储的基线 MIRIX 减少 53.9% 的经验专属存储。代码已开源，更强的世界模型可在相近任务质量下进一步降低单次经验存储。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.