论文提出Trajectory Memory与TallyMem事件聚合方法
热点事件持续更新
论文提出Trajectory Memory与TallyMem事件聚合方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Zerui Yang 等作者在arXiv发布论文,提出Trajectory Memory(TM)与TallyMem记忆方法:TM保留Agent原始轨迹并在提问时构建可溯源到源的阅读视图,TallyMem在此基础上对历史事件做可执行聚合。 基于论文摘要报告的结果:在99个held-out MINTEval仓库的776个问题上做commit-specific适配后,TallyMem将Qwen3-32B的精确匹配率从35.2%提升到49.0%;在完整AMA-Bench上,路由系统提升较小,从69.8%到71.1%(1.3个百分点)。作者称收益依赖任务与事件规格,这是其诊断分析中最大的残余系统错误类别。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
TallyMem 通过可执行事件聚合提升 Agent 记忆问答表现报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv · cs.AITallyMem 通过可执行事件聚合提升 Agent 记忆问答表现
基于论文摘要,研究提出 Trajectory Memory(TM)与 TallyMem,用于保留原始轨迹并对 Agent 历史事件进行可执行聚合。
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。