Memora
PulseAugur coverage of Memora — every cluster mentioning Memora across labs, papers, and developer communities, ranked by signal.
-
Microsoft 发布 Memora，赋予 AI 代理长期记忆能力
Microsoft Research 发布了“Memora”，这是一种新颖的长期记忆架构，旨在解决 AI 代理的“遗忘”问题。Memora 旨在使 AI 代理能够有效地存储和检索扩展对话和任务中的信息，克服了 RAG 和 Mem0 等当前方法的局限性。通过将记忆存储与检索机制分离，Memora 平衡了对详细信息的需求与高效搜索能力，使 AI 代理能够随着时间的推移积累知识。
-
Memora 记忆系统在抽象和具体性之间取得平衡，适用于 AI 代理 · 跟踪 2 个来源
研究人员推出了一种新颖的记忆表示系统 Memora，旨在平衡 AI 代理的抽象和具体性。该系统通过抽象索引具体数据的核心概念来组织信息，同时使用线索锚点来扩展跨不同记忆方面的检索。Memora 在理论上将标准的检索增强生成 (RAG) 和知识图谱 (KG) 记忆系统统一为特例。在实践中，Memora 在 LoCoMo 和 LongMemEval 基准测试上达到了新的最先进水平，在记忆规模扩大时显示出检索相关性和推理效率的提高。
-
微软发布AI代理Memora记忆系统
微软研究院推出了Memora，一个旨在增强AI代理在长周期任务中能力的新型记忆系统。Memora通过将记忆内容与检索机制分离，解决了当前AI模型无状态的特性，使代理能够保留和访问具体细节以及抽象组织结构。这种方法显著提高了代理的生产力并减少了上下文令牌的使用，在LoCoMo和LongMemEval等基准测试中达到了新的最先进性能。
-
ConvMemory v3 通过有效性上下文层增强对话记忆
研究人员推出了 ConvMemory v3，这是对话记忆检索的一项进展，解决了过时信息的问题。新版本包含一个有效性上下文层，用于检测和标记检索到的记忆何时已被后续信息取代。该系统利用双证据门控机制，结合 MiniLM 和 DeBERTa-v3 模型，来验证记忆的相关性和及时性，在合成数据和真实世界数据上均取得了高精度。
-
新的具身人工智能系统利用自拍视频实现记忆和主动辅助
研究人员推出了新的具身人工智能系统和数据集，专注于从自拍视频中获取记忆和主动辅助。MEMORA 旨在为机器人配备具身动作记忆，通过四个记忆存储的形成、巩固和检索生命周期来改进规划和目标理解。另外，Vinci2 通过推理时间上下文来确定智能代理何时应进行干预，从而提供主动辅助，并引入了 EgoServe 基准和 EgoMemo 代理。此外，Open-AoE 为从自拍操作视频中进行具身学习提供了大规模数据集和工具链，促进了人机转移和世界建模。
-
Google 推出代理记忆框架；DeepSeek 发布经济高效的 V4 模型
Google Research 推出了 ReasoningBank，这是一个新颖的框架，旨在增强 AI 代理在部署后从成功和失败的经验中学习的能力。该系统从过去的交互中提炼出可泛化的推理策略，使代理能够持续改进并避免重复错误。另外，新的研究探索了通过潜在表示优化多代理通信，并为在开放式环境中运行的代理引入了 Agent Evolving Learning (AEL)，重点关注如何有效利用记忆信息。此外，DeepSeek 发布了其 V4…