Le filThèmes : RechercheÉvaluations
MemFold compresse la mémoire d’un assistant en vecteurs continus entraînés par optimisation on-policy
1 sourcemis à jour il y a 5 jpertinence 3,2 sur5
L’essentiel
Sur trois modèles Qwen, MemFold atteint la meilleure précision mesurée sur PersonaMem-32K et PersonaMem-128K. Selon les ablations, la récompense explique l’essentiel du gain, le signal du professeur explique un gain plus faible.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJingxuan Wu, Yuzhe Yang, Yiqiao Huang et al.huggingface.co
MemFold: Learning Compact Soft Memory for Long-Context Personalization via On-Policy Optimization (site externe)
An assistant that serves the same user over a long horizon has to answer from what that user has revealed: which preferences still hold, which were revised, and which constraints apply now.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
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