MemLife：长期第一人称视频记忆的整理与推理

针对长达数百小时、跨越数月的第一人称视频，逐次重处理原始片段成本过高。论文提出 MemLife 多模态记忆系统，将视频压缩为以实体为锚的第一人称文本片段，并通过时间索引的 agentic reader 检索；在无需训练、查询时不访问视频的条件下，于四个长时程基准上比最强免训练基线提升 4.6–12.0%。作者另提出 MemOpt 强化学习框架以优化记忆写入质量。

AI推荐理由 arXiv 论文，问题设定明确（长期第一人称视频记忆的检索竞争与证据保留），提出 MemLife 多模态记忆系统与 MemOpt 强化学习记忆写入优化，并给出在四个长时程基准上相对最强免训练基线提升 4.6–12.0% 的具体数字，且强调无需训练、查询时不访问原始视频。局限在于摘要未披露基准名称、对比细节与消融，提升幅度也属中等，需看全文验证。