LSTMem：面向大模型的分层长短期在线记忆

2026年10月20日，Xianglong Shi 等作者在 arXiv 发布预印本，提出 LSTMem 在线记忆方法。据该报道，LSTMem 为冻结大语言模型的每一层配备两个矩阵状态：累积历史的细胞状态，以及其读出用于校正主干注意力的隐藏状态；方法用输入门、遗忘门控制记忆存储，输出门单独控制记忆暴露，并通过前向隐藏状态传播和块末反馈实现跨层记忆连接。报道称其灵感来自 LSTM，目标是让冻结模型具备在线长短期记忆能力。目前公开信息仅来自这一篇预印本报道，尚无独立复现、基准对比或后续跟进报道，实际效果与适用范围有待验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。