δ-mem: 大语言模型的高效在线记忆机制
深度2026年5月13日21 分钟阅读
本文发现，通过一个小巧的在线状态直接耦合注意力计算，即可实现高效记忆，而无需微调整个模型或扩展上下文窗口。对于研究大语言模型长期记忆、对话系统和智能体的研究人员，本文提供了一种实用且高效的解决方案。
本文编译自 $δ$-mem: Efficient Online Memory for Large Language Models，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Cognition 的 Devin Desktop、微软的 Rayfin 和 Augment Code 的 Cosmos 在六月初相继发布，分别从团队控制台、企业治理和代理编排三个层面推动编码代理成为团队基础设施。这些工具解决了代理协调、管理和治理问题，但也带来了厂商锁定风险。
深度The New Stack·6月9日·8 分钟
ServiceNow构建了包含HR和IT服务场景的语码转换语音数据集，评测7款ASR系统在WER、语义WER和答案错误率三个维度的表现。结果显示语码转换的“成本”因语言对和模型而异，Whisper V3 Turbo因默认翻译而非转录表现垫底。
深度Hugging Face·6月9日·6 分钟