MemFold 以 256 软记忆向量拓展 LLM 上下文

2026 年 10 月 12 日，BestBlogs.dev 报道了一种名为 MemFold 的方法，用于拓展大语言模型的上下文能力。报道称，MemFold 将任意长度的对话历史压缩为 256 个连续潜向量构成的固定预算软记忆，读取模型可像处理标准 token 一样直接接入。在 PersonaMem-128K、PrefEval 和 LongMemEval 等基准上，该方法达到或超越全上下文准确率，同时使可用用户上下文翻倍并大幅降低推理开销，带来 4 倍提速。目前该事件仅有这一篇报道，尚无后续进展或相互矛盾的说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。