AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:分层图记忆×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月8日
11:17
11:17arXiv cs.AI@Cong Chen, Guo Gan, Kaixiang Ji, ChaoYang Zhang, Zhen Yang, Guangming Yao, Hao Chen, Jingdong Chen, Yi Yuan, Chunhua Shen
MemDreamer 是一种新型框架,通过解耦感知与推理,将长视频理解转化为智能体探索过程。它采用分层图记忆架构,将视频流增量构建为三层语义抽象,并利用智能体工具增强检索机制,在推理时通过观察-推理-行动循环导航节点和逻辑边。实验表明,MemDreamer 在四个主流基准测试中达到最先进水平,与人类专家的差距缩小至仅 3.7 分。它仅使用全上下文 2% 的推理窗口,却带来 12.5 分的绝对准确率提升。此外,统计发现视觉语言模型在逻辑推理与长视频理解性能间存在强正线性相关,表明智能体能力扩展是多模态理解的新范式。
论文长视频理解智能体检索分层图记忆视觉语言模型推理模型

推荐理由:长视频理解一直受限于 token 爆炸和注意力稀释,MemDreamer 用智能体检索和分层记忆解决了这个痛点。做视频分析、多模态研究的团队可以直接参考其框架,在现有模型上即插即用,值得一试。
原文
精选全部日报登录