2026-11-13 15:39

导语：把第一视角生活织成可追溯的长期记忆。Loom是什么 Loom 是 Looki 推出的多模态模型系列，用于理解第一视角生活

Loom是什么

Loom 是 Looki 推出的多模态模型系列，用于理解第一视角生活，从设备采集的视觉、音频出发，通过 Loom Sense 判断此刻发生什么，Loom Moment 将零散观测织成带起止时间与证据的经历，Loom Memory 分层存储记忆、跨时间检索调用，最终让 AI 在恰当时机主动提供帮助，让人专注生活本身。

Loom的主要功能

• Loom Sense（事件感知）：基于连续的视觉、音频、时间和上一窗口状态，判断”此刻正在发生什么”，输出稳定、及时更新的事件状态。
• Loom Moment（经历组织）：把连续的多模态观测组织成带起止时间、内容描述和可追溯证据的经历片段。
• Loom Memory（记忆调用）：通过分层存储和树状检索，让过去的经历在新的问题情境中被找回并用于回答。
• 主动智能：综合当前情境与用户目标，判断何时介入、以何种方式介入。

Loom的技术原理

• Loom Sense：问题条件化的事件判别，借鉴类 JEV 方案，用自然语言问题定义事件，模型基于视觉、音频、时间信息和上一窗口状态直接输出候选答案分数，在候选集合内 Softmax 归一化，使各事件判断相互独立，并复用共享编码以控制计算开销。时序上引入状态传递与双约束损失：活动持续时抑制概率抖动，接近真实边界时加强切换监督，兼顾稳定性与及时性。
• Loom Moment：边界与描述的联合生成，将”在哪里分”与”每段是什么”统一为同一生成任务，模型一次接收多模态观测、真实时间和相关上下文，同步输出经历的起止时间、内容描述与支撑证据，避免”先分割再描述”的误差累积。训练分两阶段：先学边界与事件类型，再加描述与证据归因监督；时间作为输入结构参与理解，并区分”看见的、听见的、推断的”，防止无据编造。
• Loom Memory：分层存储与记忆导航。按”经历—摘要—待整合记忆—快照”四层组织长期记忆，快照经冲突消解与遗忘机制持续更新，原始经历始终保留可核。检索采用 Agentic Memory Navigation，围绕问题按”概况到细节”的树状路径逐级定位，并按结果动态调整分支，用最少的记录命中回答所需。
• 主动智能：端到端联合建模，将文字、图像、视频、音频与召回的历史证据共同输入模型，同时输出情境理解、行动选择、帮助内容与证据引用，Sense/Moment/Memory 结果作为辅助信号反向约束最终任务；同时明确模型层负责理解与决策、系统层负责存储与权限隔离的分工。

如何使用Loom

• 访问入口：访问 https://loom.looki.tech/注册并体验 Loom 模型能力。
• 佩戴并授权设备：通过第一视角设备采集视觉、音频等生活信息，并在授权范围内开启连续感知。
• 自动感知事件：Loom Sense 实时判断”此刻正在发生什么”，无需手动记录或打标签。
• 自动生成经历：Loom Moment 将连续观测自动组织成带起止时间、内容描述和证据的生活片段。
• 沉淀长期记忆：系统按经历、摘要、快照等层次自动积累记忆，并结合你的反馈持续更新。
• 随时提问回溯：在 App 中用自然语言提问，Loom Memory 会沿时间脉络找回相关片段作答。
• 等待主动帮助：AI 会结合当前情境与历史记忆，在恰当时机主动提醒或提供建议。

Loom的核心优势

• 完整的技术链路：从事件感知（Sense）、经历组织（Moment）到记忆调用（Memory）层层递进，覆盖”记录→理解→想起来”的完整闭环。
• 连续稳定的事件判断：通过状态传递与双约束损失，抑制画面抖动、遮挡造成的误判，事件状态既平滑又能及时响应真实变化。
• 记忆有证据、可追溯：经历片段带起止时间、内容描述与证据锚点，且严格区分”看见的、听见的、推断的”，答案可核验。
• 检索高效低成本：共享编码使多事件判断计算开销线性可控；长时序记忆评测中信息处理量仅为 mem0、A-Mem 的 14.5% 和 30.5%。
• 效果领先：事件检测 F1 达 88.6 优于开源/闭源参照，推理成本较闭源方案降低约 94%；记忆综合得分 79.0，比 mem0、A-Mem 分别高 18 分和 15 分。

Loom的同类竞品对比

Loom的应用场景

• 会议/讨论续接：再次谈起同一方案时，自动带出上次”等周五数据”的未决条件，讨论直接接着上次继续。
• 物品与决定找回：随时问起”钥匙放在哪了””这个计划为什么搁置”，从经历中定位当时的画面与对话证据。
• 生活经历回顾：如”过去一年去过哪些地方、吃过什么美食”，沿摘要到具体 Moment 自动组织成有据可查的回顾。
• 个人偏好学习：从多次用餐、旅行选择中归纳偏好，形成记忆快照，用于更贴合个人的建议。
• 临时备忘零负担：通勤路上想到方案、聊天中产生待办，无需手动记录，由系统感知沉淀并在需要时浮现。

来源：AI工具集