研究提出 T-Mem 框架處理長期多方對話記憶
arXiv 論文提出 T-Mem 框架，利用時序結構恢復密集證據並重建事件進展。
- 本站上線
- 2026/10/14 下午04:25
- 首次報導
- 2026/10/13 下午12:00
- 最早來源發布
- 2026/10/13 下午12:00
AI 摘要｜已與來源比對｜未經人工查核。本文由程式（qwen3.8:27b）讀取下列來源全文與官方原文後撰寫， 每段後面的標籤是依據的來源，點擊即可開啟原文。程式會比對數字、版本與日期是否出現在來源中， 但這不等於事實查核。內容怎麼產生、有什麼限制； 發現錯誤請用文末的「回報」。
發生什麼事
一篇於 2026 年 10 月 9 日提交至 arXiv 的論文提出了名為 T-Mem 的時序結構記憶框架。該框架旨在處理長期多方互動中累積的大量詳細資訊，特別是決策反覆更新及狀態在不同參與者和互動階段間演進的情況。 arXiv cs.CL
重點內容
T-Mem 透過兩個時序機制運作：Temporal Evidence Discovery 利用相關訊息在短時間內的密集特性來恢復被遺漏的證據；Temporal Memory Structuring 則建模隨時間變化的狀態轉換及支持關係，並壓縮低資訊量的片段。最後透過 Evidence Forest Linearization 將結構化證據序列化以生成答案。 arXiv cs.CL
實驗在兩個長期多方記憶基準上進行，結果顯示 T-Mem 在不同 LLM、參數設定、領域及查詢類型中，表現均優於競爭性的記憶框架。 arXiv cs.CL
程式碼與資料
本站 2026-10-15 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 程式碼：論文頁沒有列出公開的程式碼
- 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集
來源 1 筆
- arXiv cs.CL · Temporal Evidence Forests for Long-Horizon Multi-Party Conversational Memory10/13 下午12:00
這篇對你有用嗎？
登入會員後可以按反應與留言。登入
留言 0
- 還沒有留言。
留言公開顯示暱稱，不顯示你的真實姓名與信箱。含多個連結或疑似廣告的留言會先經編輯確認；檢舉達 3 次的留言會自動隱藏。隱私政策
發現錯誤？
回報會進入待處理清單；核實後更正，並在文中註記更正紀錄。