待验证50% 置信权衡取舍精确时间
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。
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。69% 相似待验证paradigm-memory 将记忆组织成可导航的认知地图，而非单一的大文本文件67% 相似待验证在 RAG 系统中，Markdown 的层级结构为文档分块提供了天然的语义边界，相比纯文本按字数切分能显著提升检索召回率和生成质量67% 相似待验证在许多视觉语言模型中，一张图片消耗的Token数量往往是固定且有限的，可承载大量文本信息，因此将文本截图成图像输入可能比直接文本输入更节省Token67% 相似待验证缓存读取（KV Cache）机制通过复用已计算的中间结果避免对相同文本重复执行前向推理，从而降低长上下文高频调用场景的Token成本66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1039507API
curl https://kongchang.com/api/v1/knowledge/claims/1039507MCP
get_claim(id=1039507)