Newest papers

Remembering Through Change: Provenance-Preserving Hypergraph Memory for Multimodal Agents

Jielong Tang, Ling-An Zeng, Xujie Yuan, Xiao Dong, Zhiqian Xia, Qingfeng Li, Shixiong Kai, Kaichao Liang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29995 · open-access PDF

Hindi

मल्टीमॉडल एजेंटों के लिए दीर्घकालिक स्मृति चुनौतीपूर्ण है, क्योंकि इसे सत्रों के माध्यम से इंटेंट विकास को ट्रैक करने के दौरान सूक्ष्म-आधारित दृश्य सबूतों को बनाए रखना चाहिए. मौजूदा अवलोकन-आधारित स्मृति चित्रों को पाठ में संपीड़ित करती है, अक्सर दृश्य रूप से विरोधी विवरणों को छोड़ देती है, जबकि पिक्सेल-संपीड़ित स्मृतियां कच्ची अवलोकनों को बनाए रखती हैं लेकिन विभिन्न अवलोकनों को स्थायी इंटेंट पहचान के साथ विश्वसनीय रूप से जोड़ने और उनके विकसित राज्यों को ट्रैक करने के लिए संघर्ष करती हैं. इन सीमाओं को संबोधित करने के लिए, हम MHG-Mem,

Machine translation (Meta M2M100); the English original follows.

Abstract

Long-term memory for multimodal agents remains challenging, as it must preserve fine-grained visual evidence while tracking entity evolution across sessions. Existing abstraction-based memories compress images into text, often discarding visually discriminative details, whereas pixel-preserving memories retain raw observations but struggle to reliably associate diverse observations with persistent entity identities and track their evolving states. To address these limitations, we propose MHG-Mem, a multimodal hypergraph memory that jointly organizes entity identity, state evolution, and proven

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange