MemLife：长期第一人称视频记忆的整理与推理

arXiv 论文提出 MemLife，一种多模态记忆系统：把长期第一人称视频压缩为以实体为基础的第一人称文本片段，并用带时间索引的 agentic reader 检索。在四个长期基准上，无需训练、也不在查询时访问视频，即比最强免训练基线提升 4.6%–12.0%。论文还提出 MemOpt 强化学习框架，优化记忆写入以生成忠实、信息丰富且可检索的记忆，使 MemLife 再提升 2.7%–5.0%，且增益可跨写入器、读取器骨干与记忆系统迁移。

此前长期自我中心视频的记忆方案要么丢失关键证据，要么随视频时长增长、搜索空间扩大导致检索竞争加剧而定位失败。MemLife 把查询时的原始视频访问与训练需求去掉，并把记忆质量本身作为可优化对象，使长周期个人视频助手在数百小时、跨越数月到数年的历史规模下更具可行性。

机制分两层：写入端把视频编译成以实体为锚点的第一人称文本 episode，降低重复处理原始片段的算力成本；读取端用时间索引的 agentic reader 在持续增长的记忆库中检索，缓解检索竞争。MemOpt 以强化学习直接优化写入器，使生成记忆同时满足忠实、有信息量和可被检索三个目标，因此改进能跨骨干与记忆系统泛化。

对做个人 AI 助手、可穿戴相机或生活日志类产品的团队，这意味着可以把数月到数年的视频历史转成文本记忆层，查询时不再回放原视频，显著降低存储与推理成本。研发重点从视频理解模型转向记忆写入质量与时间索引检索两个环节，评测应覆盖长周期、跨月份的历史数据。

• 在生活日志或可穿戴相机产品中，将历史视频批量编译为实体锚定的第一人称文本记忆，减少查询时的视频回放开销。
• 围绕记忆写入质量搭建离线评测集，用忠实度、信息量与可检索性三项指标筛选写入策略。
• 为个人助手加入带时间索引的检索代理，支持按时间段回溯特定人物、地点与事件。
• 参照 MemOpt 思路，用强化学习或偏好优化迭代记忆写入器，而不是只更换更大的基础模型。

• MemLife 与 MemOpt 的论文是否附带开源代码、模型权重或可复现的数据集？
• 四个 long-horizon benchmarks 的具体构成、视频规模与问题类型未在证据中给出。
• 在真实产品级隐私与合规约束下，把长期第一人称视频转为文本记忆是否满足数据保护要求？
• 2.7%–5.0% 与 4.6%–12.0% 的提升在端侧设备算力预算下是否仍成立尚未确认。