EMMA事件驱动多模态记忆系统论文发布

2026年10月20日，arXiv Computer Vision 刊出 Ruochen Zhao 等作者的论文，提出 EMMA——一个事件驱动的多模态记忆系统，用多智能体检索解决长视频超出 MLLM 上下文窗口的问题。据该报道，EMMA 通过融合视觉语义漂移与语音转折的双流检测器自适应定位事件边界，并构建原始视频、片段级记忆、事件级记忆三级层次，由多智能体经查询分解、分层搜索与证据验证逐步缩小检索范围。报道称在三个基准上实验显示显著提升，代码与复现脚本已公开。目前该事件仅有这一篇主报道，尚无跟进报道或相互矛盾的数字与说法。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。