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AI記憶操作系統(tǒng)——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。

在產(chǎn)品發(fā)布之外，這也更像是一次針對(duì)“AI是否能真正成為長期智能體”的底層挑戰(zhàn)。

為什么Agent一定需要長期記憶?

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，一切都得從頭來過。RAG可以緩解一部分問題，但它更像是“臨時(shí)查資料”，而不是“真正記住”。

如果說大模型負(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就無從談起。”

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)知過程。與傳統(tǒng)RAG或成本高昂的超長上下文窗口不同，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，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)測試。

EverMind在四個(gè)主流記憶評(píng)測基準(zhǔn)上，給出了極具說服力的數(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)可通過持續(xù)語義鞏固不斷“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)，顯著減少長時(shí)程任務(wù)中的幻覺。

PersonaMem v2： 在9個(gè)復(fù)雜場景中，在深度個(gè)性化與行為一致性維度取得最佳綜合表現(xiàn)。

這說明EverMind不需要犧牲效率，去換取長期記憶。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。通過簡單API調(diào)用，原本無狀態(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，也可以通過官網(wǎng)申請(qǐng)加入內(nèi)測：console.evermind.ai。

從更大的時(shí)間尺度看，EverMemOS的出現(xiàn)并不偶然。

當(dāng)模型能力趨同、算力成本成為瓶頸，長期記憶正在成為Agent競爭的分水嶺。誰能讓AI “記得住、記得準(zhǔn)、記得久”，誰就更接近真正的智能體。

EverMind選擇在這個(gè)節(jié)點(diǎn)押注記憶基礎(chǔ)設(shè)施，既是技術(shù)判斷，也是戰(zhàn)略選擇。

多數(shù)AI應(yīng)用的失敗，也許并不是因?yàn)槟Ｐ筒粔蚵斆�，而是因�(yàn)橄到y(tǒng)不夠完整。

EverMemOS至少回答了一個(gè)長期被忽視的問題：如果AI沒有記憶，它到底是誰?

而這，或許正是下一階段智能競爭真正開始的地方。




【免責(zé)聲明：該文章系我網(wǎng)轉(zhuǎn)載，旨在為讀者提供更多信息資訊。所涉內(nèi)容不構(gòu)成投資、消費(fèi)建議，僅供讀者參考�！�

(新媒體責(zé)編：wa123)