投稿 提交工具 投放合作

m3-agent:具备长期记忆的多模态Agent框架与基准

智能体与MCP 1.5k(+1) 122 Python 2026-11-22 访问官网 ↗ 在 GitHub 打开

处理实时视听输入构建长期记忆的多模态 Agent 框架,附带 M3-Bench 长视频问答基准。

M3-Agent 是一个多模态 Agent 框架,能处理实时视觉与听觉输入,构建并更新长期记忆:除情景记忆外还形成语义记忆,记忆以实体为中心的多模态图组织。给定指令后,Agent 进行多轮迭代推理并从记忆中检索相关信息完成任务。仓库同时发布 M3-Bench 长视频问答基准,含 100 个机器人第一视角实拍视频(M3-Bench-robot)和 920 个网络视频(M3-Bench-web),配有开放式问答标注。本地运行分两条流水线:Memorization 用 M3-Agent-Memorization 模型生成记忆图,Control 用 M3-Agent-Control 模型作答并由 GPT-4o 评估;也可改用 API 调用其他模型。模型权重、数据集和中间产物在 Hugging Face 提供,训练代码在单独仓库。

Star 趋势2026-11-10 — 2026-11-22当前 Stars 1.5k24h +17 日 +4

1.5k11-1011-1211-1411-1611-1811-2111-22