如果一個(gè)AI每次對(duì)話結(jié)束后，都會(huì)把與你的全部交流清空，那么無(wú)論它多聰明，都只能算是一個(gè)“高級(jí)聊天工具”，而不是一個(gè)真正意義上的智能體（Agent）。
這正是當(dāng)下Agentic AI面臨的核心瓶頸之一：失憶。
近日，由盛大集團(tuán)全資孵化的AI技術(shù)團(tuán)隊(duì)EverMind，正式對(duì)外系統(tǒng)性地展示了他們給出的解法——EverMemOS，最新版本在四大記憶基準(zhǔn)上實(shí)現(xiàn)了最先進(jìn)（SOTA）準(zhǔn)確率。
為什么Agent一定需要長(zhǎng)期記憶？
在大模型能力突飛猛進(jìn)的這兩年里，行業(yè)幾乎把所有注意力都集中在參數(shù)規(guī)模、多模態(tài)、推理能力和算力效率上。
但在真實(shí)應(yīng)用中，開發(fā)者很快發(fā)現(xiàn)了一個(gè)殘酷事實(shí)：模型會(huì)“忘事”。
無(wú)論是對(duì)用戶偏好的理解、對(duì)歷史決策的追溯，還是跨時(shí)間跨度的復(fù)雜推理，只要上下文窗口結(jié)束，一切都得從頭來(lái)過(guò)。RAG可以緩解一部分問(wèn)題，但它更像是“臨時(shí)查資料”，而不是“真正記住”。
如果說(shuō)大模型負(fù)責(zé)“思考”，那么記憶系統(tǒng)決定的，其實(shí)是智能體是否具備連續(xù)自我。
鄧亞峰認(rèn)為，“如果模型每次會(huì)話后都會(huì)重置理解，真正的Agentic AI就無(wú)從談起?！?/p>
EverMind正在從靜態(tài)的上下文窗口邁向動(dòng)態(tài)、自組織的記憶，借助EverMemOS，為智能體提供了一段“活的、會(huì)演化的歷史”。
基準(zhǔn)結(jié)果表明：EverMind能夠以遠(yuǎn)低于全上下文模型的算力成本，實(shí)現(xiàn)更高的準(zhǔn)確率。
正是在這一判斷下，EverMind把研發(fā)重心從模型能力本身，轉(zhuǎn)向了一個(gè)更底層，也更難的方向——AI Memory Infra。
EverMemOS：打破行業(yè)基準(zhǔn)，點(diǎn)擊即用
在EverMind最新發(fā)布的論文EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning中，團(tuán)隊(duì)對(duì)現(xiàn)有主流方案進(jìn)行了清晰區(qū)分。
截圖來(lái)源：EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning
EverMind詳細(xì)闡述了其技術(shù)提出的一套受engram啟發(fā)的生命周期機(jī)制，用以模擬生物認(rèn)知過(guò)程。與傳統(tǒng)RAG或成本高昂的超長(zhǎng)上下文窗口不同，EverMemOS能將經(jīng)驗(yàn)組織為連貫、可演化的結(jié)構(gòu)。
它試圖構(gòu)建的，是一個(gè)類似生物認(rèn)知系統(tǒng)的記憶生命周期，靈感直接來(lái)自神經(jīng)科學(xué)中的engram理論。
在這套架構(gòu)中，記憶不是靜態(tài)存儲(chǔ)，而是會(huì)被不斷壓縮、重組、強(qiáng)化和遺忘的動(dòng)態(tài)系統(tǒng)。
EverMemOS的核心機(jī)制，被概括為三個(gè)連續(xù)但可循環(huán)的階段。
第一階段：情景痕跡形成（Episodic Trace Formation）。
將對(duì)話流轉(zhuǎn)換為MemCells，用于捕捉情景痕跡、原子事實(shí)以及有時(shí)間邊界的前瞻信息。
第二階段：語(yǔ)義鞏固（Semantic Consolidation）。
把MemCells動(dòng)態(tài)組織為主題化的MemScenes，提煉穩(wěn)定的語(yǔ)義結(jié)構(gòu)，并持續(xù)更新持久化的用戶畫像。
第三階段：重建式回憶（Reconstructive Recollection）。
通過(guò)agentic檢索組合“必要且充分”的推理上下文，在優(yōu)化算力成本的同時(shí)保證高準(zhǔn)確率。
這也是EverMemOS能在大幅降低token消耗的同時(shí)，維持甚至提升準(zhǔn)確率的關(guān)鍵。
基準(zhǔn)成績(jī)，是硬指標(biāo)
在AI基礎(chǔ)設(shè)施領(lǐng)域，架構(gòu)是否成立，最終要看基準(zhǔn)測(cè)試。
EverMind在四個(gè)主流記憶評(píng)測(cè)基準(zhǔn)上，給出了極具說(shuō)服力的數(shù)據(jù)。
LoCoMo（93.05%準(zhǔn)確率）：超越全部現(xiàn)有記憶系統(tǒng)與全上下文模型；在多跳推理（+19.7%）與時(shí)序任務(wù)（+16.1%）上優(yōu)勢(shì)顯著，同時(shí)大幅降低token使用與計(jì)算成本。
LongMemEval（83.00%準(zhǔn)確率）：在知識(shí)更新與時(shí)序推理方面位居第一；其中知識(shí)更新任務(wù)提升20.6%，體現(xiàn)出系統(tǒng)可通過(guò)持續(xù)語(yǔ)義鞏固不斷“進(jìn)化”的能力。
HaluMem（90.04%召回）：在記憶完整性方面建立新的行業(yè)標(biāo)準(zhǔn)，顯著減少長(zhǎng)時(shí)程任務(wù)中的幻覺(jué)。
PersonaMem v2：在9個(gè)復(fù)雜場(chǎng)景中，在深度個(gè)性化與行為一致性維度取得最佳綜合表現(xiàn)。
這說(shuō)明EverMind不需要犧牲效率，去換取長(zhǎng)期記憶。結(jié)構(gòu)本身，就是效率。
從論文到云服務(wù)：記憶能力的產(chǎn)品化
如果EverMemOS只停留在論文階段，它的意義仍然是學(xué)術(shù)層面的。
但是，EverMind顯然希望更快地進(jìn)入真實(shí)應(yīng)用場(chǎng)景。
此次同步推出的EverMemOS Cloud Service，正是為開發(fā)者和企業(yè)提供“即插即用”的記憶增強(qiáng)能力。通過(guò)簡(jiǎn)單API調(diào)用，原本無(wú)狀態(tài)的聊天機(jī)器人，可以在數(shù)分鐘內(nèi)升級(jí)為具備長(zhǎng)期上下文感知的智能體。
在設(shè)計(jì)上，該云服務(wù)強(qiáng)調(diào)三點(diǎn)：
一是企業(yè)級(jí)數(shù)據(jù)安全與隱私隔離；
二是對(duì)底層記憶架構(gòu)的自動(dòng)迭代；
三是盡可能降低開發(fā)者的使用門檻。
目前，該服務(wù)已對(duì)候補(bǔ)名單（waitlist）用戶開放內(nèi)測(cè)，也可以通過(guò)官網(wǎng)申請(qǐng)加入內(nèi)測(cè)：console.evermind.ai。
關(guān)鍵詞：
