长视频问答有个容易被忽略的问题：如果系统只按固定时间间隔切片，一段讨论可能被切成几块，问题、解释和支撑数据未必落在同一块里。检索时，AI可能因此拿到不完整的上下文，或带回不少无关内容。

openJiuwen AgentMemory 0.2.0推出的多模态记忆能力 OmniMem-Lens，尝试换一种整理方式：不只按时间切，而是结合画面和语音线索识别事件，再“按事件存、按事件取”。据量子位报道，相关测试中的召回表现最高提升45.7%，在线问答时延最高降低97%。34

为什么要按事件组织记忆？

固定的一分钟片段把每个时间边界都当成同样重要，但实际内容未必如此：一个完整话题可能跨过多个片段；反过来，一个片段里也可能已经换了话题。这样检索出来的内容就可能断章取义，或者夹带周边但无助于回答的信息。

OmniMem-Lens的思路，是让记忆单元尽量对应“正在发生什么”，而非单纯对应“过去了多久”。报道将其概括为基于视觉与听觉两条线索识别事件边界。329

画面变化和语音话题，互相补足

视觉线索用于观察场景或画面变化；语音线索则借助语音识别，判断谈话主题是否转变。两者关注的并不完全相同：画面没变，讨论可能已经转向另一个问题；画面切换时，说话内容也未必同步换题。把两类信号结合起来，旨在减少只看画面或只听语音时可能漏掉的转折。329

举个假设的例子：一场两小时的产品评审中，同一张架构图连续显示40分钟，但讨论依次涉及三个主题。仅靠画面变化，可能无法把这段讨论切成有用的小单元；语音话题变化则有望帮助区分各段内容。之后若有人询问压力测试数据，检索可以更有针对性地找到相关讨论，而不是把整段视频都当成一个记忆块。这个例子用于说明设计思路，并非现有材料中经核实的测试案例。

分层整理，先处理再检索

相关报道还提到，OmniMem-Lens采用分层记忆，并支持离线准备视频记忆、在线进行搜索。29直观地说，这种流程希望让智能体查询长视频时，能够利用预先整理好的记忆，而不是每次提问都从头处理整段视频。

不过，现有材料没有充分说明各层的具体定义，也未能确认原始画面如何参与检索，因此不宜把具体实现细节当成已证实事实。

性能数据怎么看？

量子位报道给出的最高结果是：召回表现提升 45.7%，在线问答时延降低 97%。34另一则新闻摘要提到，报道涉及三项基准测试，并指出EgoLife-QA上的召回提升为45.7%。5

这些数字描述的是报告中的最高表现，不等于每种视频、每个问题都能得到相同幅度的改善。现有来源摘录也不足以独立核验完整测试设置或逐项比较所有结果。因此，更稳妥的理解是：这是相关评测中的报告结果，而非普遍适用的性能保证。

按事件整理，可能有助于减少检索内容的碎片化和噪声，但不意味着回答一定准确或不会产生幻觉。若答案涉及关键细节，仍应回到原视频核对证据。

长视频问答有个容易被忽略的问题：如果系统只按固定时间间隔切片，一段讨论可能被切成几块，问题、解释和支撑数据未必落在同一块里。检索时，AI可能因此拿到不完整的上下文，或带回不少无关内容。

openJiuwen AgentMemory 0.2.0推出的多模态记忆能力 OmniMem-Lens，尝试换一种整理方式：不只按时间切，而是结合画面和语音线索识别事件，再“按事件存、按事件取”。据量子位报道，相关测试中的召回表现最高提升45.7%，在线问答时延最高降低97%。34

为什么要按事件组织记忆？

固定的一分钟片段把每个时间边界都当成同样重要，但实际内容未必如此：一个完整话题可能跨过多个片段；反过来，一个片段里也可能已经换了话题。这样检索出来的内容就可能断章取义，或者夹带周边但无助于回答的信息。

OmniMem-Lens的思路，是让记忆单元尽量对应“正在发生什么”，而非单纯对应“过去了多久”。报道将其概括为基于视觉与听觉两条线索识别事件边界。329

画面变化和语音话题，互相补足

视觉线索用于观察场景或画面变化；语音线索则借助语音识别，判断谈话主题是否转变。两者关注的并不完全相同：画面没变，讨论可能已经转向另一个问题；画面切换时，说话内容也未必同步换题。把两类信号结合起来，旨在减少只看画面或只听语音时可能漏掉的转折。329

举个假设的例子：一场两小时的产品评审中，同一张架构图连续显示40分钟，但讨论依次涉及三个主题。仅靠画面变化，可能无法把这段讨论切成有用的小单元；语音话题变化则有望帮助区分各段内容。之后若有人询问压力测试数据，检索可以更有针对性地找到相关讨论，而不是把整段视频都当成一个记忆块。这个例子用于说明设计思路，并非现有材料中经核实的测试案例。

分层整理，先处理再检索

相关报道还提到，OmniMem-Lens采用分层记忆，并支持离线准备视频记忆、在线进行搜索。29直观地说，这种流程希望让智能体查询长视频时，能够利用预先整理好的记忆，而不是每次提问都从头处理整段视频。

不过，现有材料没有充分说明各层的具体定义，也未能确认原始画面如何参与检索，因此不宜把具体实现细节当成已证实事实。

性能数据怎么看？

量子位报道给出的最高结果是：召回表现提升 45.7%，在线问答时延降低 97%。34另一则新闻摘要提到，报道涉及三项基准测试，并指出EgoLife-QA上的召回提升为45.7%。5

这些数字描述的是报告中的最高表现，不等于每种视频、每个问题都能得到相同幅度的改善。现有来源摘录也不足以独立核验完整测试设置或逐项比较所有结果。因此，更稳妥的理解是：这是相关评测中的报告结果，而非普遍适用的性能保证。

按事件整理，可能有助于减少检索内容的碎片化和噪声，但不意味着回答一定准确或不会产生幻觉。若答案涉及关键细节，仍应回到原视频核对证据。