得克萨斯大学论文：把小规模记忆决策交给快速打分模型，可让 AI 记忆系统构建记忆的速度快 6.6 倍
得克萨斯大学的一篇论文提出了 Jev-Mem 记忆系统：它把“链接什么、何时停止检索”这类小决策交给快速打分模型 Jev，后者批量返回概率而非文本；大语言模型只在最后被调用一次，用于阅读选中的记忆并作答。在长对话基准 LoCoMo 上，它得分 0.777，高于最佳基线的 0.700，而构建记忆的速度快 6.6 倍。为什么重要：记忆构建是长对话智能体的瓶颈，用快速打分代替缓慢的文本生成决策，有望让具备持久记忆的智能体更便宜、更实用。
报道来源
- Rohan Paul2026-10-25 14:27