Tag · 1 篇
ViLoMem: Agentic Learner with Grow-and-Refine Multimodal Semantic Memory
ViLoMem 提出双流语义记忆,分别编码视觉分心模式与逻辑推理错误,使多模态大模型在解题时能复用可泛化的视觉注意力策略并避免重复视觉错误;该记忆机制可直接用于视觉问答、多模态推理等任务中的智能体持续学习与跨域迁移。