GraphMemory：图结构记忆实现令牌高效测试时持续学习
Get the story
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。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- 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%。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·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.