Ruotong Liao, Meikel Kokowski, Xiaoxiao Sun, Yongqin Xian, Laura Bravo Sánchez, Shiye Su, Federico Tombari, Serena Yeung-Levy · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30089 · open-access PDF
आज के बहुआयामी सहायकों को आमतौर पर उनके लिए प्रस्तुत दृश्य सबूतों को व्याख्या करने के लिए प्रेरित किया जाता है। लंबे क्षितिज पर याद रखने के संज्ञानात्मक बोझ को हटाने के लिए, पहनने योग्य सहायकों को इसके बजाय उपयोगकर्ता के वातावरण के विकास के रूप में उपयोगी स्मृति प्राप्त करने और बनाए रखने की आवश्यकता होती है। उपयोगकर्ता के नाम पर ऐसा करने के लिए क्या मायने रखता है, वास्तविक समय में दृश्य को समझना, और पृष्ठभूमि में स्मृति रखरखाव शुरू करना जबकि उपयोगकर्ता अपनी गतिविधियों पर ध्यान केंद्रित रहता है।
Machine translation (Meta M2M100); the English original follows.
Today's multimodal assistants are typically prompted to interpret the visual evidence presented to them. To offload the cognitive burden of remembering across long horizons, wearable assistants should instead proactively acquire and maintain useful memory as the user's surroundings evolve. Doing so on the user's behalf requires identifying what matters, understanding the scene in real time, and initiating memory maintenance in the background while the user stays focused on their activities. We introduce ProactEgoMem, a benchmark that evaluates proactive memory in streaming egocentric video. Th
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.30089, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange