近日,记忆张量(MemTensor)发布消息称,其记忆原生模型 MemT 1.0自10月 20 日上线 Hugging Face、GitHub 以来,累计下载量已突破 10 万次,日均下载超 1 万次。行业数据显示,在大尺寸创新架构开源模型中处于领先地位。
MemT 1.0 提供两个版本:MemT-1.0-Flash(288B 参数、17B 激活)与 MemT-1.0-Nano(36B 参数、3B 激活)。据公司披露,二者在 11 项记忆基准测试中平均得分分别为 50.6 与 47.0,包揽参数化记忆方法前两名,较此前最优方法分别高出 12.5 分与 8.9 分。
与主流 "记忆库 / 对话历史检索注入" 方案不同,MemT 1.0 将记忆内化为模型原生能力:在 Transformer 中并行引入原生记忆模块,让模型直接学会 "记住、更新、调用经验",回答问题时无需再次读取原始历史文本。其技术报告《MemT-1.0: Towards Memory-Native Evolution》发布首日即登上 Hugging Face Daily Papers 榜单第二位。目前模型已在 Hugging Face、GitHub、ModelScope 开放下载。
海外开发者社区已出现二次开发案例:有美国开发者将 MemT-1.0-Nano 封装为适配 TabbyAPI 的本地推理构建,并称其为 "持久记忆模型"(Persistent Memory Model),可将对话历史压缩为约 40MB 潜在记忆供模型直接作答。
（来源：点财网）
责任编辑：雷晓燕 SV010
