语言大模型 / LLM

MLP Memory: A Retriever-Pretrained Memory for Large Language Models

MLP Memory: 一种用于大语言模型的检索预训练记忆

Rubin Wei, Jiaqi Cao, Jiarui Wang, Jushi Kai, Qipeng Guo, Bowen Zhou, Zhouhan Lin

专题命中 长上下文与记忆 ：large language model(title,abstract)；language model(title,abstract)；pretraining(abstract)；分类 cs.CL

AI总结 MLP Memory通过参数化学习检索模式，提升大语言模型的知识访问效率与准确性，实现更高效的推理和更少的幻觉。

ParamMem: Augmenting Language Agents with Parametric Reflective Memory

ParamMem: 通过参数化反思记忆增强语言代理

Tianjun Yao, Yongqiang Chen, Yujia Zheng, Pan Li, Zhiqiang Shen, Kun Zhang

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 长上下文与记忆 ：language agent(title,abstract)；分类 cs.LG

AI总结 ParamMem通过参数化记忆模块提升语言代理的反思多样性，实现更高效的推理和跨任务迁移能力。

Comments 20 pages

Toward General Semantic Chunking: A Discriminative Framework for Ultra-Long Documents

迈向通用语义分块：一种适用于超长文档的判别框架

Kaifeng Wu, Junyan Wu, Qiang Liu, Jiarui Zhang, Wen Xu

机构 * KingSoft Office Zhuiguang AI Lab（金山办公曙光人工智能实验室） 纠错

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出基于Qwen3-0.6B的判别分割模型，通过跨窗口上下文融合和重叠滑动窗口策略，实现超长文档的高效段落边界检测，并提升下游检索效率。

MemEmo: Evaluating Emotion in Memory Systems of Agents

MemEmo：评估智能体记忆系统中的情感

Peng Liu, Zhen Tao, Jihao Zhao, Ding Chen, Yansong Zhang, Cuiping Li, Zhiyu Li, Hong Chen

机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； China Telecom Research Institute（中国电信研究院） ； MemTensor (Shanghai) Technology（MemTensor（上海）科技） 纠错

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 MemEmo提出情感增强的记忆评估基准，通过HLME数据集评估记忆系统在情感信息处理上的性能，揭示当前系统在处理情感记忆方面的不足。

Enhancing Vision-Language Navigation with Multimodal Event Knowledge from Real-World Indoor Tour Videos

通过真实世界室内游览视频的多模态事件知识增强视觉语言导航

Haoxuan Xu, Tianfu Li, Wenbo Chen, Yi Liu, Xingxing Zuo, Yaoxian Song, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（马尔代夫 bin Zayed 大学人工智能学院） ； Hangzhou City University（杭州城市学院） 纠错

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)

AI总结 本文提出基于多模态事件知识的视觉语言导航增强方法，通过构建大规模时空知识图谱并结合层次检索机制，提升长视界推理和粗粒度指令处理能力。

Memory Caching: RNNs with Growing Memory

记忆缓存：具有增长记忆的RNNs

Ali Behrouz, Zeman Li, Yuan Deng, Peilin Zhong, Meisam Razaviyayn, Vahab Mirrokni

机构 * Google（谷歌） 纠错

专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出Memory Caching技术，通过缓存RNN的记忆状态以增强其记忆容量，实现与Transformer的平衡性能，在长上下文任务中表现优异。

Extending 2D foundational DINOv3 representations to 3D segmentation of neonatal brain MR images

将2D基础DINOv3表示扩展到新生儿脑部MRI图像的3D分割

Annayah Usman, Behraj Khan, Tahir Qasim Syed

机构 * Institute of Business Administration Karachi（卡拉奇商业管理学院） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 本文提出了一种基于结构化窗口分解-重组机制的方法，利用冻结的2D基础表示扩展到3D分割，实现了对新生儿脑部MRI图像的高精度分割。