一句话定位

在多模态多 session 对话中,检验长上下文和外部记忆如何保存并使用视觉证据。

研究问题与动机

文本化压缩可能丢失视觉细节,单纯扩大上下文又可能受长度影响。该工作要求问题真实依赖跨模态证据。

方法与机制

沿用信息提取、跨 session 推理、时间推理、知识更新和拒答五类能力;以图像消融检查证据必要性。

证据与结果

摘要描述长上下文模型的长度退化与 memory agent 的压缩保真损失;具体模型、token 口径和图片处理策略应回查正文。

当前卡片依据 2026-05-14 的 arXiv 摘要与元数据;作者结论不等于独立复现。原始摘要和版本信息保存在一手来源快照。

局限与开放问题

需把视觉信息损失与检索失败分开;多模态 token 等价并不保证实际算力等价。

关联与拓展

核验与阅读

  • [x] 原始标题、作者、日期及摘要回查 arXiv
  • [ ] 全文方法、结果表格、统计和成本协议逐项核验
  • [ ] 代码可复现性与独立复现
  • 一手来源