跳到正文
智迹闻AuraTracer

MemT 1.0发布:记忆原生MoE

本机阅读

发生了什么

据@vista8引用MemOS团队信息,MemT 1.0采用记忆原生MoE构架,将持续可更新的内部记忆纳入模型计算,并通过真实任务交互、指导和纠错反馈积累经验。该模型有36B Nano与293B Flash两个版本,论文显示写入经验的Nano相对不带经验的Qwen底座,三次成功率从54.0%升至61.6%。官方内测数据称Coding、Working性能均提升超过5%,且Nano单条轨迹记忆状态为40 Mb。

报道与来源

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

  1. X · @vista8来源报道

    模型使用 记忆原生 MoE 构架。 历史信息会被编码为持续存在、可更新的内部记忆状态,记忆写入、保持、更新、读取全纳入模型计算过程。 在内部记忆基础上,通过真实任务中交互、指导和纠错反馈积累经验。 直接收益就是让模型具备自我反思、自我进化能力,让长程任务保持一致、不跑偏。 这对A

来源关系与证据边界

按已记录的来源角色展示;连线仅表示原生身份流程确认的同稿入口,不表示独立佐证或跨报道引用。

  1. 来源报道1 个发布入口