热点事件持续更新
UT Austin提出Jev-Mem加速AI记忆构建
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月25日，X用户Rohan Paul发布消息称，德州大学（UT Austin）论文提出Jev-Mem方法，用于加速AI长对话记忆构建。该方法将链接、停止搜索等小决策交给快速打分器Jev批量返回概率，LLM只在最后读取记忆并作答，从而使长对话记忆构建速度提升6.6倍。在LoCoMo长对话基准上，Jev-Mem回答得分0.777，超过最佳基线0.700；记忆构建耗时158秒，而最快对手为1,044秒；回答耗时0.93秒，对手为1.47秒。目前该消息仅来自单一社交媒体来源，尚无其他报道补充或印证。
AI 根据报道生成 · 3 小时前更新
最新进展10月25日 22:27
X消息称Jev-Mem使记忆构建提速6.6倍，LoCoMo得分0.777超基线。报道时间线
沿着报道，了解事件的不同侧面。
10月25日
- Rohan Paul (@rohanpaul_ai) · X德州大学Jev-Mem让AI记忆构建快6.6倍
德州大学论文提出Jev-Mem，将链接、停止搜索等小决策交给快速打分器Jev批量返回概率，LLM只在最后读取记忆并作答，使长对话记忆构建速度提升6.6倍。在LoCoMo长对话基准上，其回答得分0.777，超过最佳基线0.700；记忆构建耗时158秒，最快对手为1,044秒，回答耗时0.93秒对1.47秒。
本事件热度走势
当前热度 9·可比范围峰值 10（10月25日 23:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。