词语记忆测验中，受试者回忆单词的顺序与停顿本身带有诊断信息，但停顿的含义取决于它发生在同一语义类别内还是跨类别切换处。TrajLift把一次回忆看成语义层级图上的带时间轨迹，用热扩散把每个词映射到多个层级尺度，并让词间停顿调制扩散时间，从而把结构与时间写进同一个算子。在402名参与者、剔除标注问题后387人的香港文字学习测验数据上，30分钟延迟回忆一节的准确率为80.38%，比仅用回忆词数的手工基线高4.5个百分点；10分钟延迟回忆一节的配对差异不显著。
记忆检索不再只比整句向量：复用冻结编码器已算出的词元状态做稀疏匹配，再与整句相似度融合，Qwen3-Embedding-4B 上平均 Recall@10 从 62.5 升到 75.7，且无需额外训练。
作者为 log-sum-ReLU 稠密联想记忆（LSR-DAM）提出首个差分隐私检索机制 BRACE：它先识别因隐私噪声而改变归属的记忆点并做自适应边界修正，再注入校准噪声，从而抑制紧凑支撑检索中边界切换导致的误差累积；理论上证明其终端与全轨迹检索误差达到极小极大最优，并给出刻画隐私噪声贡献的轨迹中心极限定理；合成实验显示微小扰动即可改变 11 个门成员，MNIST 检索中预测 MSE 由损坏输入的 0.061 降至 0.011，接近无噪声检索。
个性化助手要从长对话历史里找回稀疏证据，而查询的复杂度差别很大。APDMem把对话历史组织成主题摘要、个性化关键事实、轮次级证据笔记和原始消息四层，由控制器先读高层摘要，只在需要时下钻到更细的证据。在LongMemEval上，它取得较强的长上下文记忆推理表现，同时只访问全部对话的8%。
Memorizon 提出一种训练配方：每个被评分的 chunk 按相机共视性各自检索 top-k 潜变量，其并集构成容量有界的共享记忆库，使训练样本可覆盖任意长跨度而注意力序列长度保持不变；在滑动窗口基线上重访一致性全面提升，跨度长到覆盖首次访问后进一步提升，代价是图像质量下降。
Jev-Mem 提出一种受 System-One/System-Two 认知分工启发的智能体记忆架构，用专门的 System-One 控制平面负责记忆类型判定、关系构建、查询路由、检索预算分配、图遍历、候选打分与自适应停止，只把复杂推理和答案合成交给 System-Two；在 LoCoMo 上取得 0.777 的 LLM-as-a-Judge 总体得分（相对最强基线提升 11.0%），记忆构建时间 158 秒（相对最快竞争系统 6.6 倍加速），平均查询延迟 0.93 秒（降低 36.7%）。
已读完全部报道