fudan-generative-vision/remory 是一个研究上下文压缩所需残余记忆学习的 Python 仓库。根据仓库说明，它在用摘要压缩之后附加学习到的软记忆，使智能体无需保留全部原始上下文也能继续工作。FACTS 中没有记录发布版本，因此无法确认某个具体版本的变更。仓库采用 MIT 许可证，星标数为 268。
智能体生成的摘要被用作生成残余记忆的条件。因此同一份摘要可能附加不同的残余记忆，且原始模型保持冻结使用。该方式不是检索相关文档，而是注入连续嵌入。论文以 Qwen3.8-27B 和 GLM-5.3-Flash 作为后端，在 BrowseComp、Terminal-Bench 2.1 等长期智能体基准上比较了是否使用残余记忆。在 SummHay 上，论文报告仅使用输入位置的 5.2% 就取得了接近完整上下文的成绩。部署方式为连接 SGLang，并注明 Qwen3.8-27B 需要两块 80GB 及以上的 GPU。
性能数值存在于图表和论文中，README 正文并未以表格形式呈现。此外据 README，发布的 GLM 编码器检查点为 1.24B，而论文中描述的编码器为 1.502B，因此使用发布检查点进行的评测不能视为与论文数值处于相同条件。考虑到所需的 GPU 条件，这一思路值得参考，但在复现和结果比较上存在限制。