待验证50% 置信基准精确时间

在记忆依赖场景 RMBench 上，UniWALM 在无任何预训练语言或推理模型的条件下达到 34.5% 成功率，超过 Mem-0 关键帧辅助设置的 28.5%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/21

首次发现

有效期至：2027/1/19

来源

UniWALM：统一世界-动作-语言模型如何突破机器人控制瓶颈

涉及实体

UniWALMmodel RMBenchconcept Mem-0model

相关事实

待验证A-MEM框架引入记忆重要性动态衰减评分66% 相似待验证实验通过系统改变事实负载M和有效可训练记忆B，验证了压缩失真项是独立于覆盖率的可观测失效模式64% 相似待验证字节团队用Qwen3-0.6B架构从头训练控制实验表明：所有采用分块压缩的模型都出现周期性准确率波动，波动周期严格等于压缩步长；去掉RoPE或换成平均分配门控权重后波动依然存在；无压缩的全注意力基线完全正常。63% 相似待验证如果模型预训练语料中极少出现超过 32K token 的样本，即便通过位置编码扩展窗口，模型在该区间的表现也往往不稳定61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1078956

API

curl https://kongchang.com/api/v1/knowledge/claims/1078956

MCP

get_claim(id=1078956)