正在整理你需要的资料…
记忆要跨会话留住,推理时又不想再翻一遍完整上下文。MemTensor 的 MemT-1.0 把可持久、可演化的记忆做进模型计算本身:动态本地记忆块加可训练的超记忆块,128K 历史长度下常驻状态大小恒定,存储约为完整上下文 KV cache 的 1/66,另配两阶段训练和 11 项记忆基准。
适合做长时程智能体记忆、想在推理时不再依赖完整原始上下文的研究者;仓库软件是 PolyForm 非商业许可,商用需另行授权。
MemT-1.0
记忆要跨会话留住,推理时又不想再翻一遍完整上下文
下面是把仓库 README 逐节读完后归纳出的中文要点。
新一代记忆基础模型,把持久且可动态演化的记忆变成模型计算的组成部分,状态体积固定,无需在推理时回看原始上下文。
示例以 MemT-1.0-Nano 配合 SGLang 运行,需要在装有 CUDA 的 Linux 服务器上用 Python 3.11 以上的环境完成安装,再加载配套的本地权重与分词器资源。
给出 MemT-1.0 技术报告的引用信息,方便在论文中标注该工作的来源。
论文用知识共享署名非商业相同方式许可,仓库软件用 PolyForm Noncommercial 许可,不允许商业使用,第三方组件保留各自许可。
研究合作与问题反馈可发邮件给 lizy@memtensor.cn,相关技术报告事宜可与作者联系。
cd inference
uv pip install '.[server]'| 主要语言 | Python | 许可 | NOASSERTION |
|---|---|---|---|
| 创建时间 | 2026-10-19 | 最近提交 | 2026-11-08 |
| 站内采集 | 2026-11-06 起,连续观察 12 天 | 最近一次 | 2026-11-17 |
最近 11 次采集
2026-11-06 525 ★ → 2026-11-17 541 ★ (累计 +16)
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。