Madeleine 与 MemFit：两条无需 LLM 调用的长期记忆路线并行
Get the story
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。
Generated from reports · updated 2 hr ago
Developments
- Oct 2 · 1 reportsMadeleine：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
- Oct 2 · 1 reportsMemFit: Efficient Long-Term Agentic MemoryarXiv · Artificial Intelligence: MemFit：面向长期智能体记忆的高效系统
Timeline
Follow the coverage from different angles.
- 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。
Heat trend
There is not enough continuous observation data to draw a trend yet.