Madeleine 与 MemFit:两条无需 LLM 调用的长期记忆路线并行
先了解这件事
2026-10-02 同日出现两篇相关论文。Madeleine(arXiv · Artificial Intelligence)通过 LLM 模拟器生成 cue-trigger 对训练查询编码器残差关联,在线推理无需 LLM 调用;在 LoCoMo-Plus 上接入 HyperMem 达 66.6,单独使用达 52.4(接近 HyperMem 发布的 52.9),上下文约为 1/21,并将 T-Mem 提升 26.2 分。MemFit(arXiv · Information Retrieval)则面向对话智能体逐轮追加存储,通过段摘要索引与多路径检索(词汇+语义+交叉编码器重排)实现高效记忆操作;在 LoCoMo、MemGallery 和 LongMemEval-S 上达到 SOTA,同时将记忆构建时间和成本降低数倍。两者均强调无需 LLM 调用的高效持久记忆,但评测基准与方法不同。
AI 根据报道生成 · 1 小时前更新
事件进展
- 10月2日 12:00 · 1 篇报道Madeleine:基于模拟人生学习非自愿回忆的对话记忆arXiv · Information Retrieval:Madeleine:基于模拟人生学习非自愿回忆的对话记忆
- 10月2日 12:00 · 1 篇报道MemFit: Efficient Long-Term Agentic MemoryarXiv · Artificial Intelligence:MemFit:面向长期智能体记忆的高效系统
报道时间线
沿着报道,了解事件的不同侧面。
- arXiv · Artificial IntelligenceMemFit:面向长期智能体记忆的高效系统
MemFit 提出一种面向对话智能体的长期记忆系统,以近乎即时且无需 LLM 调用的方式逐轮追加存储,并通过段摘要索引与多路径检索(结合词汇与语义信号及交叉编码器重排)实现高效记忆操作。在 LoCoMo、MemGallery 和 LongMemEval-S 三个基准上达到 SOTA,同时将记忆构建时间和成本降低数倍,提供可扩展的高效持久智能体记忆方案。
- arXiv · Information RetrievalMadeleine:基于模拟人生学习非自愿回忆的对话记忆
论文提出 Madeleine,通过 LLM 模拟器生成模拟人生中的 cue-trigger 对,训练查询编码器的残差关联,在线推理无需 LLM 调用。LoCoMo-Plus 上接入 HyperMem 达到 66.6,单独使用达到 52.4(接近 HyperMem 发布的 52.9),上下文约为 1/21,并将 T-Mem 提升 26.2 分。
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。