AITOPAI热报

LongMemEval

共 6 条相关 AI 资讯
9月2日
10:33
10:10
10:10官方账号arXiv cs.LG@Zhengze Zhou, Hejian Sang
精选73°
LatentPress 将对话历史和长文档压缩为连续记忆令牌，无需文本重建。该模型在 LongMemEval 基准上达到 0.504 准确率，压缩率为 7.70 倍，优于未压缩证据的 0.490。在 LongBench-QA 上，4-8 倍压缩时性能与原始上下文相当，压缩速度比文本摘要快约 10 倍。
论文LatentPress上下文压缩连续记忆令牌
事件专题
推荐理由：LatentPress 用连续记忆令牌替代文本和图像压缩，压缩速度提升 10 倍，性能超越传统方法。
原文
8月4日
12:10
12:10官方账号arXiv cs.LG@Zhichen Liu, Ruihan Sun, Hengjie Yang, Zipeng Wu, Zhaohan Chen, Xiaofan Zhang, Yang Xu
72°
LiveMem为预训练全注意力大语言模型引入独立于活动上下文的记忆状态，主注意力路径只保留有界KV窗口。在LongMemEval基准上，LiveMem在对比系统中取得领先总分。即使支持证据已从当前上下文移除，LiveMem仍能依据记忆状态正确作答。证据距离分析表明，有用信息可持久保留在活动窗口之外。
论文LiveMemLongMemEval长上下文
推荐理由：论文提出LiveMem，给LLM加了个永久记忆状态，上下文窗口再长也不怕忘事。在LongMemEval上跑分领先，值得一看。
原文
7月25日
07:55
07:55elvis@omarsar0
论文提出Agentic Context Management框架，将上下文管理分解为五个原语：架构、注入、范围、预测和压缩。传统的累积式上下文管理使token成本随对话长度平方增长，而粗粒度的摘要化虽使成本线性但精度下降。该框架通过基于保真度验证的压缩，在LongMemEval上达到92%，在LoCoMo上达到93.2%。该研究为生产环境中智能体的上下文管理提供了结构化方法。
论文Agentic Context ManagementLongMemEvalLoCoMo
事件专题
推荐理由：这篇新论文把智能体常栽跟头的上下文问题拆成五个可操作的原语，还给出了验证方案，在LongMemEval和LoCoMo上分别跑了92%和93.2%。
原文
7月24日
10:29
10:29官方账号arXiv cs.AI@Gaurav Dadhich
该论文将AI代理的上下文管理重新定义为生命周期问题，而非简单存储检索。作者提出五原语：架构化、摄取、范围化、预期、压缩与整合。参考实现Maximem Synap在LongMemEval基准上得92%，在LoCoMo上得93.2%。论文还指出现有基准未覆盖延迟、token效率和上下文旋转抗性等维度。
论文Agentic Context ManagementMaximem SynapLongMemEval
事件专题
推荐理由：这篇论文把AI代理失效的真正原因讲透了——不是推理不行，而是管不住上下文。还给了个参考实现，LongMemEval和LoCoMo成绩都90%以上。
原文
7月17日
01:18