ReflectWorld-MM 把视频记忆按实体组织，在 6 项基准上拿到最好成绩
Xiaokang Ma · hf · 2026-07-21
ReflectWorld-MM 提出了一种面向“实体”的多模态记忆系统，用于开放式视频流。
- 论文指出，现有视频记忆系统大多把记忆留在模型上下文里，或放进扁平特征库中，并且按“帧”组织，而不是按视频里持续出现的实体来组织，因此难以处理长视频和跨时间追踪。
- 该系统由三部分组成：把音视频流转成实体级观测的感知前端；受人类记忆理论启发的分层长期记忆；以及一个可接入现成助手、可处理任意流式输入的完整实现。
- 长期记忆包含多尺度情景记忆、持续演化的实体语义记忆和程序性记忆。
- 在 6 个长视频与终身记忆基准上，论文报告都取得了最好成绩，超过了强基线记忆智能体和一个前沿模型。
「多模态」频道最新
- Ludovic Creator 用 Seedance 2.5 打造 Snorricam 运镜系列短片 — LudovicCreator · 2026-10-27
- Gradium 发布免费朗读工具：仅 4000 万参数的多语言语音模型 Phonon — mattturck · 2026-10-27
- 无限递归漩涡提示词走红：让图像不断向内螺旋缩小 — azed_ai · 2026-10-27
- 170 多位 AI 创作者合拍一部集体电影，11 月 6 日首播 — Loo_Atreides · 2026-10-27
- 12GB 显存实测:不设 VRAM 上限,出图从 24 秒变 11 分钟 — Impossible-Mail-4619 · 2026-10-27
- Midjourney 创作者分享 sref 风格参考出图:暗黑哥特人物 — OVolosin82152 · 2026-10-27