Mem0 公布核心长效记忆算法研究：通过两阶段管线提取关键事实并更新记忆，避免健忘。LOCOMO 基准下，准确率比 OpenAI 内置记忆高 26%，P95 推理延迟降 91%，Token 消耗降 90%。增强变体 Mem0ᵍ 引入图数据库，捕捉跨会话实体关系。生产端从记忆检索到回答仅 0.71 秒，远优于近 10 秒的全上下文。研究已入 ECAI，代码已在 GitHub 开源。

MeNews

2026-05-21 19:55:18

إنشاء الملخص قيد التقدم

موجز أخبار ME، 17 أبريل (بتوقيت UTC+8)، وفقًا لمراقبة 动察 Beating، قامت منصة الذاكرة الشخصية المدعومة بالذكاء الاصطناعي Mem0 مؤخرًا بالكشف عن نتائج أبحاث خوارزمية الذاكرة طويلة الأمد الأساسية الخاصة بها. أظهرت البيانات التجريبية أنه في اختبار LOCOMO القياسي، كانت دقة استجابة Mem0 أعلى بنسبة 26% من وظيفة الذاكرة المدمجة في OpenAI، وفي الوقت نفسه، بفضل آلية الاسترجاع "الواقعية" الخاصة بها، انخفضت تأخيرات الاستنتاج P95 بنسبة 91%، وانخفض استهلاك الرموز بنسبة 90%. المشكلة الأساسية التي تعالجها الخوارزمية هي ظاهرة "النسيان" التي يعاني منها الوكيل الذكي خلال التفاعلات طويلة المدى. بخلاف النهج العنيف المتمثل في توسيع نافذة سياق النموذج اللغوي الكبير (LLM)، تعتمد Mem0 على خط أنابيب معالجة من مرحلتين: في "مرحلة الاستخراج"، يقوم النظام باستخراج الحقائق الرئيسية من أحدث المحادثات، والملخصات الدوارة، والسجلات التاريخية؛ وفي "مرحلة التحديث"، يقوم النظام بمقارنة البيانات مع قاعدة البيانات الشعاعية، وتنفيذ عمليات الإضافة، والتحديث، والحذف، أو التجاهل، لضمان تقليل وتوحيد الذاكرة. كما قدمت الدراسة نسخة محسنة من Mem0ᵍ، والتي أدخلت بنية قاعدة بيانات رسومية، حيث يتم تحويل الحقائق المستخرجة إلى عقد وعلاقات موسومة، لالتقاط العلاقات المعقدة بين الكيانات عبر عدة جلسات. في بيئة الإنتاج الفعلية، يمكن لـ Mem0 إتمام عملية استرجاع الذاكرة إلى توليد الإجابة خلال 0.71 ثانية، بينما تتطلب الطرق التقليدية "السياق الكامل" حوالي 10 ثوانٍ. حاليًا، تم قبول هذا البحث في مؤتمر الذكاء الاصطناعي الأوروبي (ECAI)، والكود المرتبط متاح على منصة GitHub كمصدر مفتوح. (المصدر: BlockBeats)

شاهد النسخة الأصلية

قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.

تسجيلات الإعجاب 10

أعجبني
10
7
8
مشاركة

تعليق

إضافة تعليق

NightFlightMint

· منذ 14 س

هل ستفقد المعلومات في المرحلة الأولى من استخراج الحقائق الرئيسية على مرحلتين؟

شاهد النسخة الأصليةرد0

ApeWithNotes

· منذ 14 س

من النسيان إلى الذاكرة طويلة المدى، تم تحديد هذه المشكلة بدقة

شاهد النسخة الأصليةرد0

BorrowingBuddy

· منذ 14 س

انخفاض تأخير P95 بنسبة 91٪، وتحسين الذيل الطويل أصعب من تحسين المتوسط في التأخير

شاهد النسخة الأصليةرد0

GateUser-f78f1f3e

· منذ 14 س

استرجاع الذاكرة في 0.71 ثانية، هل يمكن لبيئة الإنتاج تحمل الحمل العالي من الطلبات المتزامنة؟

شاهد النسخة الأصليةرد0

MintColdBrew

· منذ 14 س

استخدام قاعدة بيانات الرسوم البيانية لعلاقات الكيانات عبر الجلسات، هذا الاتجاه التعزيزي ذكي جدًا

شاهد النسخة الأصليةرد0

NightFlightPaperCrane

· منذ 15 س

ذاكرة OpenAI المدمجة فعلاً غير مجدية، وأخيرًا هناك من بدأ في العمل عليها بجدية

شاهد النسخة الأصليةرد0

GateUser-4bd1cc87

· منذ 15 س

ما هو سيناريو الاختبار المحدد الذي يظهر أن LOCOMO يتفوق على OpenAI بنسبة 26٪؟

شاهد النسخة الأصليةرد0

المواضيع الرائجة
عرض المزيد
#
TradfiTradingChallenge
253.22K درجة الشعبية
#
PlatinumCardCreatorExclusive
64.42K درجة الشعبية
#
IsraelStrikesIranBTCPlunges
48.62K درجة الشعبية
#
#DailyPolymarketHotspot
1.02M درجة الشعبية
#
GateSquarePizzaDay
1.72M درجة الشعبية

مُثبت

خريطة الموقع

Mem0 تنشر دراسة حول بنية الذاكرة طويلة الأمد: دقة تتفوق على OpenAI بنسبة 26%، وتقليل تأخير الاستنتاج بنسبة 91%

المواضيع الرائجة

TradfiTradingChallenge

PlatinumCardCreatorExclusive

IsraelStrikesIranBTCPlunges

#DailyPolymarketHotspot

GateSquarePizzaDay

مُثبت