IXThinker·2026-09-01 10:56證據森林重構多模態Agent長期記憶
多模態智能體的長期記憶常被冗餘資訊淹沒，關鍵證據碎片化。新框架證據森林把證據選擇建模為查詢感知的組合優化問題，在四項長期多模態基準上平均評判準確率達61.55%，較最強基線提升11.75個百分點。
長期記憶的困境
多模態智能體面對的不只是文本對話，還有相簿、影片、郵件、日曆與跨會話紀錄。歷史愈長，真正影響回答的證據愈易被冗餘內容淹沒，傳統逐條獨立排序的檢索方式，難以兼顧證據之間的互補與協同關係。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。