提出MemCode：离散语义码本的LLM智能体长期记忆框架

Xin Li 等在arXiv发布论文，提出MemCode——一种面向LLM智能体长期记忆的框架，将对话改写为自包含的原子记忆单元，并通过可学习码本上的同构语义量化和码本共现拓扑检索补充传统向量近邻搜索。 论文声称，在LongMemEval-S和LoCoMo基准上使用GPT-4o-mini和Qwen3-30B-A3B-Instruct-2507两种骨干模型时，MemCode取得最佳总体准确率，同时每段对话的记忆构建耗时约40~130秒，比LightMem快3~21倍，比A-MEM和MemoryOS快一个数量级以上。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。