记忆张量开源记忆原生大模型 MemT 1.0
热点事件历史事件
记忆张量开源记忆原生大模型 MemT 1.0
2 篇报道2 个报道来源10 天前更新
先了解这件事
AI 综述
记忆张量发布并开源了记忆原生大模型 MemT 1.0 系列，把记忆内化进底层架构，由模型自行学习读写、更新和调用记忆，而非依赖外挂记忆模块。 该系列包含两个模型：MemT-1.0-Nano 总参数 36B、激活 3B，基座为 Qwen3.6-35B-A3B；MemT-1.0-Flash 总参数 288B、激活 17B，基座为经过进一步后训练的 DeepSeek-V4-Flash。据量子位报道，其做法是在选定的 Transformer 模块中增加与注意力并行的记忆计算通路。 在 11 项系统记忆基准测试中，MemT-1.0-Flash 和 MemT-1.0-Nano 的均分分别为 50.6 和 47.0，据记忆张量称，这一成绩分别领先同组最强参数化记忆基线 12.5 分和 8.9 分。
AI 根据报道生成 · 10 天前更新
最新进展10月20日 20:50
记忆张量开源MemT 1.0系列，把记忆原生焊进Transformer报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- 量子位记忆张量开源MemT 1.0系列，把记忆原生焊进Transformer
记忆张量开源发布MemT 1.0系列记忆原生模型，包括36B参数、激活3B的MemT-1.0-Nano（基于Qwen3.6-35B-A3B）和288B参数、激活17B的MemT-1.0-Flash（基于DeepSeek-V4-Flash），在选定Transformer模块中增加与注意力并行的记忆计算通路。
- 爱范儿记忆张量发布并开源记忆原生大模型 MemT 1.0
记忆张量发布并开源记忆原生大模型 MemT 1.0，将记忆内化进底层架构，由模型自行学习读写、更新和调用记忆。在 11 项系统记忆基准测试中，MemT-1.0-Flash 和 MemT-1.0-Nano 均分分别为 50.6 和 47.0，领先同组最强参数化记忆基线 12.5 分和 8.9 分。