热点事件持续更新
DiscernMem：修正多智能体记忆并学习调用时机
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 28 日，arXiv cs.AI 刊出一篇论文，提出 DiscernMem 框架，针对多智能体系统“只记住还不够”的问题：不仅要存储记忆，还要精炼有缺陷的记忆，并学会何时调用。该框架免训练，包含两部分：缺陷感知记忆精炼（DMR）负责修正系统中的缺陷记忆；边界学习元记忆（BLM）负责判断何时该调用记忆。论文以 Qwen3-4B-Instruct-2507 为基础模型，在四个基准以及 AutoGen、CAMEL、MacNet 三个多智能体系统上进行评测，取得最高平均分，超过最强已报告基线 0.51 至 4.32 分。目前该工作仅有论文这一来源，尚未见后续复现或同行评议报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
arXiv 新论文提出免训练框架 DiscernMem，在四个基准、三个多智能体系统上平均分超最强基线 0.51–4.32 分。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIDiscernMem：多智能体系统光“记住”不够，还要精炼记忆并学会何时调用
免训练框架 DiscernMem 通过缺陷感知记忆精炼（DMR）和边界学习元记忆（BLM），修正多智能体系统中有缺陷的记忆，并判断何时该调用。基于 Qwen3-4B-Instruct-2507，它在四个基准、AutoGen、CAMEL、MacNet 三个系统上取得最高平均分，超过最强已报告基线 0.51-4.32 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。