Le filThèmes : RechercheAgents
MemLife structure en texte les vidéos égocentriques de longue durée pour un assistant d’IA
1 sourcemis à jour il y a 6 jpertinence 2,7 sur5
L’essentiel
Sans entraînement ni accès à la vidéo au moment de la requête, MemLife dépasse de 4,6 à 12,0 % la meilleure base de comparaison sans entraînement. Son optimiseur MemOpt apporte 2,7 à 5,0 % de gain supplémentaire.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceGuangzhi Xiong, Xinyuan Zhang, Xiao Yang et al.huggingface.co
MemLife: Curating and Reasoning over Long-Term Egocentric Video Memories (site externe)
Long-term egocentric video enables personalized AI assistants to reason about daily life. However, as video histories grow to hundreds of hours spanning months or years, reprocessing raw clips for every query becomes computationally prohibitive.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5