VLM记忆机制最新综述,从When, Where, What, How四个维度看懂记忆

2026.11.16 · 收录日 2026.11.16 · 观点 · 论文 · 论文预印本

八家机构联合发布VLM记忆综述,梳理300余篇工作与近70个基准

来自Duke、Google、USC、UPenn、UNC等八家机构的研究者联合发布视觉语言模型记忆机制系统性综述,提出4D分类框架,梳理300余篇相关工作与近70个评测基准,覆盖长视频理解、多模态RAG、具身导航等八类应用场景。

  • 提出When、Where、What、How四维分类框架,系统刻画VLM记忆机制
  • 梳理300余篇相关工作,总结出八种典型记忆形态
  • 整理近70个评测基准,覆盖长视频理解、具身智能、个性化助手等八类场景
  • 指出上下文变长不等于记忆有效,检索到的记忆可能无关、过时甚至错误
  • 提出借鉴人类认知构建分层记忆结构、让记忆可追溯至原始视觉证据等方向

为什么值得看

统一视角理解VLM记忆机制,覆盖300余篇工作与近70个基准

适合谁关注

多模态大模型研究者、长视频与具身智能方向从业者

原始来源

查看收录日 2026.11.16 全部卡片 · 全部卡片归档