Event ·Single source

得克萨斯大学论文：用快速打分模型替代 LLM 决策，记忆构建速度提升 6.6 倍

得克萨斯大学发布的 Jev-Mem 论文提出，把记忆系统中链接选择、搜索停止等小决策交给快速打分模型 Jev，以批量返回概率代替生成文本。LLM 只在最后读取选定记忆并生成回答时被调用。在 LoCoMo 长对话基准上，Jev-Mem 得分 0.777，高于最佳基线的 0.700。记忆构建耗时 158 秒，而最快对手为 1044 秒，速度提升 6.6 倍；回答耗时 0.93 秒对 1.47 秒。

Current read

做记忆管线的朋友看看这篇：把路由、打分这类小决策换成快速分类器，LLM 只留着答问题，构建速度直接快 6.6 倍。

2 sources38° AI heatLast updated 2026/10/25 14:27:26

Evidence

2 sources

Primary sourcerohanpaul_ai

2026/10/25 14:27:26View source

Related source 1arXiv: DeepSeek

2026/10/27 09:46:15View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.

Open the story