arXiv · cs.AI· Peiwei Chang, Li Zhang, Mark D. Plumbley, Philip J. B. Jackson, Wenwu Wang·· 11 小时前
AMemOps：评测长音频流中的记忆更新
AMemOps: Evaluating Memory Updates in Long Audio Streams
arXiv:2610.18652v1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：Peiwei Chang, Li Zhang, Mark D. Plumbley, Philip J. B. Jackson, Wenwu Wang
研究任务与主要进展
研究者提出AMemOps基准，用于评估长音频流中的最新属性检索、未变属性保持和无来源拒答。摘要报告，在测试乐器的其他录音上训练时，参考delta-rule记忆相较匹配注意力机制的更新优势提高13.4个百分点；在120秒检索延迟下，配对历史可区分一致重复的收益与冲突早期值的代价，附加记忆控制则用于识别擦除操作的收益。
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