UT Dallas 论文 Jev-Mem:小模型做记忆决策,长对话记忆构建快 6.6 倍
rohanpaul_ai · x · 2026-10-25
UT Dallas 的论文提出 Jev-Mem,用 System-One/System-Two 分工重构 agent 记忆系统。
核心思路
- 传统记忆系统让 LLM 为每个小决策(链接什么、何时停止检索)生成文本,调用层层堆积,又慢又贵。
- Jev-Mem 引入快速打分器 Jev,以批量概率输出代替文本生成来处理路由、候选评分、图遍历、自适应停止等决策;LLM 只在最后阅读选中的记忆并生成答案时才被调用。
LoCoMo 长对话基准成绩
- 答案得分 0.777,高于最强基线的 0.700(相对提升 11%)。
- 记忆构建仅需 158 秒,最快的对比系统需 1044 秒(约 6.6 倍加速)。
- 平均查询延迟 0.93 秒,对比 1.47 秒(降低 36.7%)。
可迁移经验:如果你的记忆管线用 LLM 做路由、评分或停止判断,可以换成快速分类器,把 LLM 留给最终作答。代码已公开。
所属事件:UT Dallas 发布 Jev-Mem:小模型掌控记忆决策,构建提速 6.6 倍(2 条相关)→
「编程与Agent」频道最新
- 团队弃用 Slack 自建人机同席聊天应用,称效率大涨 — dee_hw · 2026-10-25
- 用一条提示词让 Claude 通过 ADB 给 Android TV 去广告、重装极简主屏 — PrajwalTomar_ · 2026-10-25
- 用户让 Claude 整治三星电视:11 小时去掉全部广告,还自制启动器 — PrajwalTomar_ · 2026-10-25
- 10 个开源 AI 网关项目盘点:一个 API 接入所有模型 — victor_explore · 2026-10-25
- 开源 MCP 服务器 viajante:免 API Key 直读谷歌航班酒店真实价格 — Fast_Entrance7839 · 2026-10-25
- HCI 研究者尝试用 AI 打造贝叶斯统计封装库降低使用门槛 — IanArawjo · 2026-10-25