GROVE：从连续视频经验中生长并推理时间分层记忆

发生了什么

论文提出 GROVE（Growing and Reasoning over Temporally Stratified Memory），面向持续接收视频流的可穿戴助手。原文摘要指出，现有视频记忆系统主要围绕用户问题进行条件式召回，而主动助手通常将记忆与控制机制分开；GROVE尝试用一套因果增长的记忆同时支持反应式问答和主动协助。

核心技术

GROVE从连续视频流中在线构建多层时间记忆：细粒度感知证据逐步整合为带时间戳的 moments、连贯的 episodes，以及跨日重复出现的 patterns。每个层级配套一种与其时间尺度相匹配的检索技能，分别用于定位单次观察、回放一段活动、或遍历长期规律。用户提问触发反应式检索，当前情境触发主动式检索，但两者共享记忆和访问接口。这里的“训练-free”是论文摘要中的事实性声明，具体实现依赖的基础模型、提示策略和索引机制尚未由所给材料说明。

关键证据与数字

原文摘要称，GROVE在包括 MM-lifelong 和 EgoServe 在内的多个基准上取得“compared methods among the best results”，并具体表述为 achieves the best results among the compared methods。摘要还称，受控消融表明时间层级与访问技能具有互补性，并指出 patterns 在部分结果中带来最大收益；但所提供摘要在“when evi...”处截断，因此无法确认完整条件、任务划分、提升幅度、对比基线或统计显著性。当前材料没有给出可核验的具体分数、视频规模、延迟、显存或成本数据。

为什么重要

该工作把视频记忆从单次“按问题找片段”扩展为持续演化的时间知识结构。对可穿戴设备而言，短时感知证据、完整活动和跨日规律具有不同的存储成本、检索目标与误差模式，将它们显式分层有助于控制检索范围，也为主动协助提供长期上下文。分析上，GROVE还提出了一个可拆解的接口：记忆如何增长、不同尺度如何访问、何时由当前情境触发检索，可以分别评估。

实际影响

工程上，该框架可能适用于个人活动回顾、物品或任务追踪、重复工作辅助，以及基于当前场景的提醒。分层记忆有望减少每次请求都扫描完整视频历史的需求，并让长期模式与单次证据分开管理。部署前仍需要明确在线处理的计算位置、视频压缩与删除策略、时间戳和事件边界的错误传播，以及主动建议的确认、撤销和权限机制。对于隐私敏感的第一视角视频，端侧处理和细粒度访问控制尤其关键。

局限与不确定性

目前仅有论文页面及一段截断摘要，无法独立验证完整实验结论。摘要没有说明基准的任务定义、数据规模、基线、评测指标或具体领先幅度，也没有证明“最佳”是否覆盖所有任务。训练-free系统仍可能依赖外部视觉语言模型、嵌入服务或提示工程，其运行成本和稳定性未给出。跨日 patterns 可能放大错误关联、隐私泄露或过度主动提醒；在新用户、新环境、长时间遮挡和分布变化下的表现也不能从摘要推断。关于“patterns收益最大”的表述只能按摘要所述记录，不能推导为普遍规律。

原始来源

• arXiv论文页面
• 来源标注：hf-papers
• 提供的发布时间：2026-08-02T20:00:00.000Z
• 以上评测与方法描述均基于用户提供的标题和摘要；未补写摘要中缺失的实验数字或引用。