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