.png){kind=icon}
返回
Towards large language models with human-like episodic memory
.png){kind=icon}
PRE
AI
DOI：10.1016/j.tics.2025.06.016.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
记忆研究领域的一个基本问题是情景记忆（EM）如何支持对现实世界事件的理解。该领域的进展需要计算模型，这些模型能够帮助我们理解EM在处理自然刺激时与语义记忆和工作记忆相互作用的复杂方式。记忆增强大型语言模型（MA-LLMs）有可能扮演这一角色，因为它们拥有丰富的语义知识，能够对自然输入做出恰当反应，并且它们还拥有类似于EM的外部记忆系统。本文评述了这些模型在多大程度上捕捉了人类EM的关键属性（涉及动态记忆更新、事件分割、选择性编码与提取、时间邻近性以及提取竞争），并描述了它们如何能更好地与人类数据对齐，从而提高其作为认知模型的适用性。
Keyword:
episodic memory
semantic memory
working memory
memory-augmented large language models
computational modeling
期刊
IF:
17.2
论文数:
3.6K
被引数:
3.5W
机构
引用论文
Evidence of a predictive coding hierarchy in the human brain listening to speech人脑听语音的预测编码层次结构的证据
OAAI
OAAI分享收藏分享收藏
分享收藏The Context Repetition Effect: Predicted Events Are Remembered Better, Even When They Don't Happen上下文重复效应: 预测的事件被更好地记住，即使它们没有发生
PREAI
分享收藏Episodic and associative memory from spatial scaffolds in the hippocampus海马体中空间支架下的情景记忆与联想记忆.png)
NATURE
NATUREIF48.5
PREAI
分享收藏
查看更多内容