实体
MemoBench
MemoBench
PulseAugur coverage of MemoBench — every cluster mentioning MemoBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
LayerRecall 改进视频生成一致性，通过选择性记忆路由
研究人员开发了 LayerRecall，这是一种新颖的记忆路由器，旨在提高视频生成模型中的长时一致性。该系统选择性地将历史记忆注入视频扩散 transformer 的特定层，解决了在长序列中保持主体和场景连续性的挑战。LayerRecall 利用跨视域预测匹配 (CHPM) 来训练记忆路由器，而无需大量标记数据，在 MemoBench 和 MovieBench 等基准测试中取得了强劲的性能。
-
昆仑万维发布Matrix-Game 3.5，实现AI与现实世界的交互
昆仑万维发布了Matrix-Game 3.5，这是一款旨在弥合虚拟环境与现实世界之间鸿沟的世界模型。该模型解决了物体持久性、空间理解和因果推理等关键挑战，目标是实现人工智能在机器人和物理交互方面的应用。通过开发自动化数据处理流水线和优化推理速度，昆仑万维致力于使世界模型在现实世界应用中更加实用和可迁移。
-
新的基准 WorldRoamBench 和 MemoBench 评估 AI 世界模型的稳定性和记忆能力
引入了两个新的基准测试 WorldRoamBench 和 MemoBench，分别用于评估交互式世界模型和视频生成模型的能力。WorldRoamBench 专注于跨越动作、视觉、物理和记忆的长时程稳定性，测试超过 600 个案例，发现当前模型难以满足所有标准。MemoBench 专门针对动态环境中的记忆一致性，评估模型在物体消失后重新出现时恢复其更新状态的能力，评估显示在遮挡期间保留和更新物体状态存在挑战。