MemT 1.0 开源，让模型在内部记忆中保留和调用经验

　　记忆张量发布并开源记忆原生基础模型 MemT 1.0 系列，包含 Flash 和 Nano 两款模型，总参数分别为 288B、36B，激活参数分别为 17B、3B。模型权重与推理代码已通过 Hugging Face、GitHub 提供。

　　MemT 1.0 在 Transformer 中加入原生记忆模块，让记忆注意力与原有注意力并行运行。生成回答时，模型读取已有记忆；一轮交互结束后，再把输入与回答写入独立的动态记忆状态，供后续任务使用。在线交互期间，模型主干及超记忆权重保持固定，变化的是每条交互轨迹的记忆状态。

　　据团队评测，两款模型在 11 项记忆基准上平均得分分别为 50.6 和 47.0，测试时不在查询上下文中提供历史原文；排名范围为本次评估的参数化记忆方法，文本记忆系统在长历史检索上仍有整体优势。

　　团队也指出，固定容量记忆需要在保留早期细节与接纳新信息之间权衡，当前编程经验应用仍依赖外部经验库和检索，尚未形成自主获取、验证并持续整合经验的完整闭环。