待验证50% 置信事实精确时间
稠密描述方法通过每隔若干帧调用视觉语言模型生成文本描述作为历史记忆，其代价是高度有损，对动作间的时序衔接和状态切换的触发条件往往一笔带过。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
DeltaStreamer：类人智能体如何理解流式视频
rss2026/10/14
涉及实体
相关事实
待验证大语言模型在生成查找目标文本时依赖记忆重建而非逐字符复制，在长上下文场景下会出现记忆漂移导致字符串替换静默失败，此现象被称为幻觉性精确72% 相似待验证文本生成阶段是memory-bound问题，速度受限于内存带宽；预填充阶段是compute-bound场景，可高度并行化70% 相似待验证大语言模型实现记忆的常见技术路径之一是将历史对话摘要写入系统提示词，让模型每次会话开始时读取学习者历史画像69% 相似待验证文本思维链通过将视觉问题拆解成中间步骤来缓解模型依赖语言先验的问题，但中间步骤需要自回归逐词生成，导致推理成本上升69% 相似待验证定向回放相比基于 RAG 的文本记忆，可以从像素层面恢复描述阶段完全未写入文本的信息，代价是额外的存储与读取开销，且规划器必须准确指出回看范围。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1039506API
curl https://kongchang.com/api/v1/knowledge/claims/1039506MCP
get_claim(id=1039506)