**MemT-1.0：迈向原生记忆演化的新架构，实现高效长上下文与通用能力平衡**

_MemT-1.0: Towards Memory-Native Evolution_

> MemT-1.0 是一种将记忆内化为模型固有计算能力的新型架构，通过引入 Gated DeltaNet-2 和 Mixture-of-Storage 机制，实现了稳定且可扩展的记忆更新。该模型采用两阶段训练流程，在保留通用能力的同时，相比参数化记忆基线表现更优，并可与检索增强方法相媲美。在 128K 上下文长度下，MemT-1.0-Nano 版本相比完整 KV 缓存实现了约 1.86 倍的推理加速和 66 倍的持久化存储减少，同时通过内化程序化经验显著提升了智能体任务的成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.26825)