主动记忆召回误报随存储规模上升，论文提出保形门控
热点事件持续更新
主动记忆召回误报随存储规模上升，论文提出保形门控
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Yichuan Chen 与 Xin Wang 发布论文 v3，把长期助手主动回忆记忆、判断是否打断用户的过程定性为多重检验问题：存储规模 N 越大，误报越难控制。研究称，在 LongMemEval 回放中，按 N=8 时 5% 误报率调好的相似度阈值，到 N=2048 时误报率升至 84–100%。 论文提出一种线索交换的保形门控（conformal gate），在 LongMemEval 上把误报率控制在 3–6%，每次决策中位耗时 0.4 秒 CPU；v3 说明该耗时改为在公开代码上测量。 v3 还重新校准了时序阈值，新增时序零假设检验，把有限池结果改写为跨问题迁移，并修正了公开门控中的引用掩码。
AI 根据报道生成 · 4 小时前更新
最新进展11月4日 13:00
主动记忆召回中的规模代价：存储越大误报越多报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AI主动记忆召回中的规模代价：存储越大误报越多
研究发现，长期助手主动回忆记忆时，判断是否打断用户是一个多重检验问题，难度随存储规模N增长。在LongMemEval回放中，按N=8时5%误报率调好的相似度阈值，到N=2048时误报率升至84-100%。论文提出一种线索交换的保形门控（conformal gate），在LongMemEval上把误报率控制在3-6%，每次决策中位耗时0.4秒CPU。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。