REMORY 提出残差记忆网络，压缩长程智能体上下文
原文标题：REMORY: Learning Residual Memory for Context Compaction
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文提出 REMORY，一种神经记忆网络，在文本摘要之外附加有界的软记忆 token，帮助冻结的 LLM 逼近使用完整历史时的续写效果。在 SummHay 上，REMORY 仅用 5.2% 的输入位置就接近全上下文联合得分，并提升来源归因能力。在长程智能体基准上，Qwen3.8-27B 与 GLM-5.3-Flash 均获得稳定增益，且在 BrowseComp 与 Terminal-Bench 2.1 上重复工具输出与工具错误明显减少。
- 问题
- 长程智能体压缩历史时，纯文本摘要不足以支撑后续决策。
- 方法
- 提出REMORY神经记忆网络，在摘要后附加有界软记忆token，逼近全历史续写效果。
- 结果
- SummHay上仅用5.2%输入位置接近全上下文联合得分，BrowseComp与Terminal-Bench 2.1上工具错误明显减少。
- 影响
- 为长程智能体提供更省上下文的记忆方案，减少重复工具调用与错误。
深读 · 结论先行AI 生成展开看要点与影响 ↓
REMORY用有界软记忆token，仅占5.2%输入位置即接近全上下文得分
- •REMORY在文本摘要之外附加有界软记忆token，形成序列维度的残差连接
- •帮助冻结LLM逼近使用完整历史时的续写效果
- •SummHay上仅用5.2%输入位置就接近全上下文联合得分，并提升来源归因
- •长程智能体基准上Qwen3.8-27B与GLM-5.3-Flash均获稳定增益
- •BrowseComp与Terminal-Bench 2.1上重复工具输出与工具错误明显减少
为什么重要：长程Agent的上下文压缩一直靠纯文本摘要，软记忆token提供了可量化的替代路径，对Agent工程落地直接相关。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。