Metis：首个原生记忆基础模型架构
MemTensor · hf · 2026-07-31
当前AI Agent的记忆多依赖外部模块，而本文提出记忆基础模型概念，将记忆能力原生内化。模型核心创新包括：
- 原生记忆状态：在骨干网络中维护持久且动态演化的状态。
- 原生记忆过程：通过模型计算自主存储和利用信息。
基于此，作者推出了首个原型 Metis。它将历史信息压缩进模型，通过记忆注意力访问。Metis的在线记忆维护无需梯度，仅需前向传播即可更新。推理时模型权重冻结，仅通过标准前向计算自主转换记忆状态。
「研究」频道最新
- Meta 提出 ROCS 推荐推理范式，检索 QPS 最高提升 3 倍 — _reachsumit · 2026-07-31
- 强制审稿制度下，AI 学术会议的低质量评审不应再被容忍 — Kwangryeol · 2026-07-31
- HiLaR 框架：用分层强化学习优化 LLM 推荐推理 — _reachsumit · 2026-07-31
- 快手提出反馈驱动框架，将 LLM 推荐策略蒸馏至轻量生成器 — _reachsumit · 2026-07-31
- 腾讯提出 CCFormer：高效长序列建模优化工业推荐系统 — _reachsumit · 2026-07-31
- H3-Omni 架构解析：原生 2K 分辨率与上下文重绘技术 — bdsqlsz · 2026-07-31