Aug 3, 2026 · GROVE
GROVE: Growing and Reasoning over Temporally Stratified Memory from Streaming Video Experience
GROVE 是一个无需训练的框架，从连续视频流中因果地构建分层记忆，保留细粒度感知证据，并整合为带时间戳的时刻、连贯的情节和跨日模式。每个层级配有对应的检索技能，支持反应式问答和主动辅助。在 MM-lifelong 和 EgoServe 等基准上取得最佳结果。
EVENT STORY
Development
- First ReportGROVE: Growing and Reasoning over Temporally Stratified Memory from Streaming Video ExperiencearXiv cs.AI
- Current AssessmentGROVE 展示了可穿戴助手在视觉记忆上的进展，但当前仍处于研究阶段，距离实际产品化尚有距离。其无需训练的特性可能加速在边缘设备上的应用，但需关注长期记忆的存储和检索效率。Agent Pulse · analysis
GROVE 是一个无需训练的框架，用于从连续视频流中构建分层记忆，支持反应式问答和主动辅助。它保留细粒度感知证据，并增量整合为时间戳时刻、连贯情节和跨日模式，每个层级配有对应的检索技能。在 MM-lifelong 和 EgoServe 等基准上取得最佳结果，消融实验显示各层级和技能互补，模式提供最大收益。
GROVE 的核心创新在于将记忆分层为时刻、情节和模式，并为每层设计原生检索技能，使同一记忆支持查询驱动的回忆和情境驱动的主动辅助。这种无需训练的设计可能降低部署成本，但模式层对长期规律的依赖可能限制其在短期场景的适用性。
GROVE 展示了可穿戴助手在视觉记忆上的进展，但当前仍处于研究阶段，距离实际产品化尚有距离。其无需训练的特性可能加速在边缘设备上的应用，但需关注长期记忆的存储和检索效率。
GROVE 可能为可穿戴设备、智能眼镜等提供更自然的交互体验，但商业化路径尚不明确。其无需训练的特性可能降低集成成本，但需验证在真实场景中的鲁棒性。
未来可关注 GROVE 在真实可穿戴设备上的部署测试，以及其记忆分层方法是否被其他视频理解系统采用。