【论文笔记】025 Seeing, Listening, Remembering, and Reasoning - A Multimodal Agent with Long-Term Memory
本研究引入了 M3-Agent 框架，其核心贡献是构建了一个具备长期记忆的多模态智能体，它能通过以实体为中心的多模态记忆图谱持续积累情节和语义知识，并在长视频问答任务中显著超越了目前最强的商业大模型组合。
#多模态
该标签下的全部文章。
该标签下的全部文章。
本研究引入了 M3-Agent 框架，其核心贡献是构建了一个具备长期记忆的多模态智能体，它能通过以实体为中心的多模态记忆图谱持续积累情节和语义知识，并在长视频问答任务中显著超越了目前最强的商业大模型组合。