热点事件持续更新
提出T-Mem长时多方对话记忆框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv cs.CL 刊出的一篇论文提出 T-Mem，一个面向长程多方对话记忆、基于时间结构的 LLM 智能体记忆框架。该框架通过时间证据发现恢复局部密集的关联消息，并用时间记忆对状态转移进行结构化建模、压缩低信息片段；随后由 Evidence Forest Linearization 将结构化证据序列化，用于答案生成。报道称，在两个长程多方对话记忆基准上，T-Mem 在多种 LLM、参数设置、领域和查询类型下均优于现有记忆框架。目前该工作以论文形式公开，尚无其他后续进展或第三方复现信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
arXiv 刊出 T-Mem 论文，称其在两个长程多方对话记忆基准上优于现有框架。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CLT-Mem：面向长程多方对话记忆的时间证据森林框架
T-Mem 是一个基于时间结构的 LLM 智能体记忆框架，通过时间证据发现恢复局部密集的关联消息，并用时间记忆结构化建模状态转移、压缩低信息片段。Evidence Forest Linearization 随后将结构化证据序列化，用于答案生成。在两个长程多方对话记忆基准上，T-Mem 在多种 LLM、参数设置、领域和查询类型下均优于现有记忆框架。
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。