AI最前沿 88Z.ai 10 月 22 日消息，记忆张量团队开源MemT 1.0系列基础模型，包含Flash和Nano版本。该系列将可更新内部记忆融入计算，无需检索原文即可调用历史信息。在11项记忆基准测试中，两款模型平均分分别为50.6和47.0，位居参数化记忆方法前两名。技术亮点涵盖Gated DeltaNet-2逐token更新、MoS混合存储扩容及两阶段训练策略。
消息要点
- MemT 1.0系列开源，无需检索原文即可调用内部记忆
- 在11项记忆基准中位列参数化方法前二，采用Gated DeltaNet-2等技术
要点
记忆张量团队正式推出并开源了记忆原生基础模型MemT 1.0系列，该系列主要包含MemT-1.0-Flash和Nano两个版本。这一架构的创新之处在于将可持续更新的内部记忆直接纳入计算过程，使得模型能够在无需检索原始历史文本的情况下，直接调用过往信息，从而提升效率与连贯性。 在性能表现方面，MemT 1.0系列在11项记忆基准测试中展现了强劲实力。其中，两款模型的平均得分分别达到50.6和47.0，在所有参数化记忆方法中位列前二。其核心技术亮点包括采用Gated DeltaNet-2实现逐token更新、通过MoS混合存储机制进行容量扩容，以及应用两阶段训练策略以优化模型表现。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 记忆张量MemTensor原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。