热点事件持续更新
GraphMemory：图结构记忆实现令牌高效测试时持续学习
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv（Artificial Intelligence，一手来源）发表论文《将记忆与上下文解耦：面向 token 高效测试时持续学习的结构化记忆》，提出 GraphMemory——一种轻量级图结构记忆系统，用于在推理时积累、精炼并连接可复用策略。该系统每次查询只检索相关子图，使在线上下文适应无需暴露全部记忆，并在有界检索下使检索量随样本数增长保持恒定。实验显示其下游性能具竞争力，记忆构建 token 比基线减少约 81-85%。目前公开信息仅此一篇论文报道，尚无后续验证或独立复现结果。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
arXiv 论文提出 GraphMemory，记忆构建 token 比基线减少约 81-85%，下游性能具竞争力。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Artificial Intelligence将记忆与上下文解耦：面向 token 高效测试时持续学习的结构化记忆
论文提出 GraphMemory，一种轻量级图结构记忆系统，用于在推理时积累、精炼并连接可复用策略。GraphMemory 每次查询只检索相关子图，使在线上下文适应无需暴露全部记忆，且在有界检索下检索量随样本数增长保持恒定。实验显示其下游性能具竞争力，记忆构建 token 比基线减少约 81-85%。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 12:00）·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。