MemT-1.0发布记忆原生模型系列
热点事件观察中
MemT-1.0发布记忆原生模型系列
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
MemT-1.0论文作者提出将记忆纳入模型计算过程的基础模型架构，并发布MemT-1.0-Nano与MemT-1.0-Flash；论文称，测试中两款模型平均优于参数记忆基线，并与检索增强方法保持竞争力，同时大体保留通用能力。 作者称，MemT-1.0-Nano在128K tokens历史长度下，相较完整上下文KV缓存，端到端推理速度约提升1.86倍，持久存储减少66倍。这些性能数据对应Nano及上述测试条件。
AI 根据报道生成 · 20 小时前更新
最新进展10月21日 12:00
MemT-1.0：迈向记忆原生演化报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · Machine LearningMemT-1.0：迈向记忆原生演化
MemT-1.0提出将记忆内化为模型计算组成部分的记忆基础模型架构，并发布MemT-1.0-Nano与MemT-1.0-Flash。该架构基于Metis，采用Gated DeltaNet-2和Mixture-of-Storage，经持续预训练与后训练、使用34B tokens数据，在记忆能力上平均超过参数记忆基线，并与检索增强方法保持竞争力。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 810月21日 19:00
- 近 24 小时变化
- –
02.557.510
10月22日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。