当前人工智能发展正面临一个关键瓶颈:尽管大模型在参数规模、推理能力等方面不断突破,但在实际应用中却普遍存在"记忆缺失"问题。
每当对话结束或上下文窗口关闭,系统便无法延续此前的理解和判断,这严重制约了智能体的连续性和实用性。
针对这一行业痛点,盛大集团全资孵化的技术团队EverMind日前正式发布AI记忆操作系统EverMemOS。
该系统在LoCoMo等四项主流记忆评测基准中均实现业界最优表现,其中LoCoMo基准准确率达到93.05%,在多跳推理任务中较现有方案提升19.7%,时序任务提升16.1%。
更值得关注的是,该系统在大幅降低算力消耗的同时,仍保持甚至超越全上下文模型的准确率。
EverMind联合创始人邓亚峰表示,如果模型在每次会话后都会重置理解能力,真正意义上的自主智能体就无法实现。
这一判断促使团队将研发重心从模型能力本身转向更为底层的记忆基础设施建设。
从技术路径看,EverMemOS采用了一套受神经科学记忆痕迹理论启发的生命周期机制。
不同于传统检索增强生成技术或高成本的超长上下文方案,该系统将记忆视为可压缩、重组、强化和遗忘的动态过程,更接近生物认知系统的运作方式。
具体而言,系统运行分为三个循环阶段:首先将对话流转换为记忆单元,捕捉情景痕迹和原子事实;随后动态组织为主题化场景,提炼稳定的语义结构并更新用户画像;最后通过智能检索重建推理所需的最小充分上下文。
这种机制使系统能够在优化资源消耗的前提下,保证推理的准确性和连贯性。
业内专家认为,记忆能力是智能体从工具属性向自主属性演进的关键要素。
如果说大模型负责"思考",那么记忆系统决定的是智能体是否具备连续的自我认知。
当前主流方案要么依赖临时检索,要么消耗巨大算力维持超长上下文,都难以兼顾效率与效果。
EverMemOS提供的动态记忆组织方式,为解决这一矛盾提供了新思路。
从产业布局角度观察,这一技术突破背后体现的是对基础性技术的长期投入逻辑。
在行业普遍追逐应用层创新的背景下,选择深耕底层基础设施需要更强的战略定力和资源支撑。
盛大集团创始人陈天桥对基础技术的持续关注,为这一方向的探索提供了必要条件。
技术验证结果显示,EverMemOS不仅在学术基准上表现优异,其架构设计也为实际应用奠定了基础。
系统能够以远低于全上下文模型的算力成本实现更高准确率,这对于大规模商业部署具有重要意义。
随着智能体应用场景不断拓展,从个人助理到企业服务,从内容创作到决策支持,持久化记忆能力将成为核心竞争力。
智能记忆技术的突破，标志着人工智能发展正从追求规模参数转向构建认知体系的新阶段。
盛大集团的这次技术探索，不仅展现了我国企业在基础研发领域的决心与实力，更揭示了智能技术演进的重要方向——唯有建立接近人类认知规律的底层架构，才能真正释放智能技术的变革潜力。
这一进展或将重塑未来十年智能产业的发展格局。