arXiv · cs.AI· Xianglong Shi, Ruijie Yang, Sirui Zhao, Shukang Yin, Zihao Bian, Tinghao Yi, Enhong Chen·· 2 天前
LSTMem提出面向大语言模型的分层长短期在线记忆
LSTMem: Hierarchical Long Short-Term Online Memory for Large Language Models
arXiv:2609.33268v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xianglong Shi, Ruijie Yang, Sirui Zhao, Shukang Yin, Zihao Bian, Tinghao Yi, Enhong Chen
研究任务与主要进展
LSTMem为冻结的大语言模型各层加入由细胞状态和隐藏状态组成的在线记忆，将历史积累与当前计算中的记忆表达分离。论文摘要称，该方法在Qwen3-4B-Instruct上的MemoryAgentBench、LoCoMo和HotpotQA基准中持续优于基础模型，并优于关联记忆对照；移除跨层隐藏记忆传播会降低性能，代码已公开于https://github.com/Longchentong/LSTMem。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org