V2EX › BeanzZ 的所有回复 › 第 1 页 / 共 7 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

1 2 3 4 5 6 7

❮

❯

2 月 27 日

@Tink 正在推进 openclaw 的集成，欢迎阅读文档进群讨论

2 月 27 日

@felixcode 技术实现方案和侧重点不同

2 月 27 日

@wyntalgeer TiMem 是系统层的创新，不论底层模型如何进化（如长上下文能力提升），分层存储和抽象画像的逻辑在处理无限交互时依然具有独特的结构化优势。

2 月 27 日

@callmecaiyuyu 不会。TiMem 引入了复杂度感知召回和召回门控 (Recall Gating) ，只保留最相关的记忆，实测召回 token 数远低于 MemoryBank 等方案。

2 月 27 日

@MindMindMax 最突出的点是避免记忆碎片化。Mem0 倾向于召回孤立的事实，而 TiMem 通过 TMT 树状结构能串联起带有因果链条的时间证据，更擅长回答复杂的逻辑或偏好问题。

2 月 27 日

@rmrf 感谢反馈！

2 月 27 日

@caocong TiMem 在长程对话基准 LoCoMo 上达到 75.30%的最高准确率，且比 Mem0 减少了 52.20%的召回长度，效率与精度兼顾。

2 月 27 日

@Tink TiMem 核心优势在于其时间分层结构 (TMT) 。相比传统方案，它不只是做语义搜索，而是将记忆按“片段-会话-日-周-画像”分层固化，能更好地处理随时间演进的用户偏好。

2025 年 12 月 16 日

微信搜索小程序”AiCV 简历王“，分析一下吧，今年上线的产品，签到送币可以保持不花钱使用

2025 年 11 月 19 日

工作两年还很年轻，我的观点是有用处，人工智能学院也有非全班，很多人辞职全程跟导师做项目

2025 年 10 月 17 日

@BeanzZ 目前是纸上谈兵的阶段，距离成品还有很久，想法可以多聊聊

2025 年 10 月 16 日

@0bing 看了你的描述，感觉像是一个匹配系统和匹配算法能解决的，实际上是把工作岗位和求职者之间的媒介全部清除了。是公司的岗位在自己招聘员工，也是员工的信息自己在找工作岗位。

1 2 3 4 5 6 7

❮

❯