MemT-1.0 : une architecture expérimente une mémoire persistante pour l’IA
La gestion de la mémoire reste une difficulté importante pour les grands modèles de langage, notamment lorsqu’une conversation s’étend sur des dizaines ou des centaines de milliers de jetons.
Une équipe de recherche présente MemT-1.0, une famille de modèles conçus pour améliorer la conservation et l’exploitation d’informations sur de longues séquences.
Contrairement aux architectures reposant surtout sur la conservation d’un historique volumineux, MemT explore des mécanismes de mémoire intégrés au fonctionnement du modèle et des techniques de mise à jour récurrente.
Selon leurs propres évaluations, certaines configurations réduiraient la quantité de stockage nécessaire et accéléreraient le traitement de longues séquences, notamment autour de 128 000 jetons.
L’intérêt potentiel concerne les assistants accomplissant des tâches prolongées, travaillant sur de nombreux documents ou devant conserver des informations pertinentes au fil d’interactions répétées.
Il s’agit cependant de performances rapportées par les concepteurs, pas d’une supériorité générale établie. Les résultats varient selon les architectures de comparaison, les matériels et les scénarios.
Le rapport publié en octobre 2026 est une prépublication non évaluée par les pairs. Une validation indépendante reste nécessaire.
Sources :
Prépublication scientifique non évaluée par les pairs, arXiv, octobre 2026
