MemT 1.0 发布:记忆原生架构让 AI 具备自我进化与长期记忆能力
发生了什么
据爱范儿报道,MemT 1.0 是一款采用记忆原生架构的大模型,通过训练自主读写、更新和调用记忆,实现自我进化和长期记忆。它将模型脑力分为主干网络和动态记忆状态,无需重新训练即可在每轮对话结束时通过 token 级别的更新机制刷新记忆状态。MemT 1.0 在多项系统记忆基准测试中表现优异,并在真实编程场景中展现出通过经验闭环持续自我改进的能力。其动态记忆状态体积固定,边际成本几乎拉平,适合长周期伴随应用。
- 测试成绩
- 在11项系统记忆基准测试中,全程闭卷作答的 MemT-1.0-Flash 和 MemT-1.0-Nano 均分分别达到 50.6 和 47.0,分别领先同组最强参数化记忆基线 12.5 分和 8.9 分。
- 成本优势
- 在 128K token 历史长度下,恢复单条交互历史所需的持久状态存储,大约是完整上下文 KV cache 的六十六分之一,不计共享模型权重。
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。
- 爱范儿来源报道
押注记忆原生,MemT 1.0 破局养成系 AI 下半场
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。
- 来源报道1 个发布入口