新的4DMemoryBench基准测试AI的长期时空推理能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-26 04:00

研究人员推出了4DMemoryBench，这是一个旨在评估和改进基础模型在长时域内的时空推理能力的新基准。该基准包括LongVideo数据集，包含约900小时的视频和5000多个问题，以及4DMemory Harness，一个结合了专用工具模型和检索增强生成的集成系统。对13个领先模型的评估显示，与之前的基准相比，在4DMemoryBench上的性能显著下降，但4DMemory Harness将所有测试模型的长时域任务性能提高了50%以上。 AI

影响该基准有望推动能够理解和推理复杂、长时间事件的AI代理的发展。

排序理由该集群描述了一篇介绍AI研究基准和数据集的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇介绍AI研究基准和数据集的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yanhao Jia, Yi Zhu, Yiran Zhong, Weigao Sun, Feida Zhu, Pengkun Jiao, Sihan Yang, Ming Ma, Steven Hoi, Erik Cambria · 2026-10-26 04:00

4DMemory：使用 Harness 增强型代理对长视界时空记忆进行基准测试

arXiv:2610.32332v1 Announce Type: cross Abstract: Humans efficiently process multimodal streams spanning hours to years, building persistent, fine-grained spatiotemporal memories that support reasoning about and predicting long-horizon events. In contrast, existing benchmarks foc…

本文如何被排名

报道来源 [1]

4DMemory：使用 Harness 增强型代理对长视界时空记忆进行基准测试

相关实体

相关话题