Yale等研究者提出成本内化记忆框架CoReMem
热点事件持续更新
Yale等研究者提出成本内化记忆框架CoReMem
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
Yale University 等研究者在 arXiv 发布论文，提出面向连续编码任务的成本内化记忆框架 CoReMem。该框架用前瞻性分段估值衡量记忆片段在下一任务中的实际价值，围绕仓库锚点和可执行检查构建紧凑记忆，并通过来源门控的价值分配引导 actor 适配。 在 ChainSWE 基准上，相比无记忆的未训练 actor 模型，CoReMem 将 27B actor 的解决率从 21.0% 提升至 25.7%，同时步数减少 17%、含记忆模块调用的 cache-aware 总 token 量减少 11%。
AI 根据报道生成 · 21 分钟前更新
最新进展11月14日 13:00
CoReMem：面向连续编码任务的成本内化记忆框架与前瞻估值方法报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AICoReMem：面向连续编码任务的成本内化记忆框架与前瞻估值方法
CoReMem 是一种成本内化的编码智能体记忆框架，通过前瞻性分段估值评估记忆片段在下一任务中的实际价值，围绕仓库锚点和可执行检查构建紧凑记忆，并用来源门控的价值分配引导 actor 适配。在 ChainSWE 基准上，该框架将 27B actor 的解决率从 21.0% 提升至 25.7%，同时减少 17% 步数和 11% 的 cache-aware 总 token 量。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。