MemCryst：记忆与技能双向学习的终身上下文适应框架

2026年10月26日，arXiv Artificial Intelligence 刊出由 Tianyi Xu、Huazheng Wang 提出的 MemCryst 框架，用于让冻结语言模型的 LLM 智能体实现终身上下文适应。该框架的核心是记忆与技能的双向学习：记忆中的重复片段支撑技能的创建与修订，而技能引导的交互又会产生新的记忆。报道称，在涵盖具身控制、长文档阅读、对话、数学与代码的十项设置中，MemCryst 在七项对比中领先；在 ALFWorld 上，记忆与技能联合服务的成功率为 63.17%，高于仅使用记忆的 59.83% 和仅使用技能的 50.50%。代码已公开。目前事件进展停留在框架发布与初步评测结果披露阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。