1.新加坡国立mcomp

AI Agent正在被要求处理越来越多复杂的任务但当它要不停地查资料、跳页面、筛选信息时，显存狂飙、算力吃紧的问题就来了针对这一难题，MIT和新加坡国立大学联合提出了MEM1框架实验结果显示，7B参数MEM1模型的推理速度能达到传统14B模型的3.5倍，同时峰值上下文token（peak token）数量约为后者1/4。

突破Agent长程推理效率瓶颈！MIT插图

2.pending online submission新加坡国立

该框架提出了一种基于强化学习的推理方案，通过让智能体学会将记忆更新作为上下文的一部分，从而实现近似常量级的显存开销（near constant memory）目前相关论文已被大语言模型会议COLM 2025

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。