BeanzZ 最近的时间轴更新 BeanzZ 最近的时间轴更新 |
BeanzZV2EX 第 465856 号会员，加入于 2020-01-19 14:23:34 +08:00今日活跃度排名 6803 |
BeanzZ 最近回复了
2 月 27 日 回复了 BeanzZ 创建的主题 › 程序员 › 这一次，让 AI 真正拥有“长久记忆”！-TiMem |
@Tink 正在推进 openclaw 的集成，欢迎阅读文档进群讨论
2 月 27 日 回复了 BeanzZ 创建的主题 › 程序员 › 这一次，让 AI 真正拥有“长久记忆”！-TiMem |
@felixcode 技术实现方案和侧重点不同
2 月 27 日 回复了 BeanzZ 创建的主题 › 程序员 › 这一次，让 AI 真正拥有“长久记忆”！-TiMem |
@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 回复了 BeanzZ 创建的主题 › 程序员 › 这一次，让 AI 真正拥有“长久记忆”！-TiMem |
@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 回复了 BeanzZ 创建的主题 › 程序员 › 这一次，让 AI 真正拥有“长久记忆”！-TiMem |
@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 回复了 BeanzZ 创建的主题 › 程序员 › 这一次，让 AI 真正拥有“长久记忆”！-TiMem |
@rmrf 感谢反馈！
2 月 27 日 回复了 BeanzZ 创建的主题 › 程序员 › 这一次，让 AI 真正拥有“长久记忆”！-TiMem |
@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 回复了 BeanzZ 创建的主题 › 程序员 › 这一次，让 AI 真正拥有“长久记忆”！-TiMem |
@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 。
Select Language