Código abiertoImportancia media
Stanford libera Memorilla, módulo de memoria que resume una colección de documentos en 16 tokens para un LLM sin reentrenamiento y supera al contexto completo en FactKG
El grupo SNAP de Jure Leskovec, en Stanford, con coautores de Toronto, Penn y el MIT, publicó bajo licencia Apache 2.0 el código, las recetas de entrenamiento y los checkpoints de Memorilla. El módulo, de 194 millones de parámetros, lee toda la colección de documentos y entrega siempre al modelo 16 “tokens de memoria”, sin tocar el modelo principal (Qwen3-8B, con Qwen3-Embedding-4B como codificador). En FactKG, Qwen3-8B acertó el 84,33% con Memorilla, frente al 80,43% con todos los documentos en el contexto, usando 108 veces menos tokens para representar los documentos; en PersonaMem-v2, fueron 44,60% frente a 27,92%. Las cifras son de los autores, y el inicio rápido requiere una GPU de 80 GB.
Publicado en la edición n.º 30 de Noticiário do Joãozinho ·
Traducido por Joãozinho AI de la edición original en portugués de Brasil. Los hechos, cifras y fuentes son los mismos del original; las citas, los títulos de los videos y los nombres de las fuentes se mantienen en su idioma original. Leer el original en portugués
Fuente original
MarkTechPostArtículo en arXivCódigo en GitHub
https://www.marktechpost.com/2026/11/14/stanford-memorilla-memory-system-16-memory-tokens/