AI memory 大賽覆蓋技術應用到基礎設施全層

　　在大模型能力突飛猛進的這兩年里，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。

　　但在真實應用中，開發(fā)者很快發(fā)現(xiàn)了一個殘酷事實：模型會“忘事”。

　　無論是對用戶偏好的理解、對歷史決策的追溯，還是跨時間跨度的復雜推理，只要上下文窗口結束，一切都得從頭來過。RAG可以緩解一部分問題，但它更像是“臨時查資料”，而不是“真正記住”。

　　如果說大模型負責“思考”，那么記憶系統(tǒng)決定的，其實是智能體是否具備連續(xù)自我。

　　鄧亞峰認為，“如果模型每次會話后都會重置理解，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態(tài)、自組織的記憶，借助EverMemOS，為智能體提供了一段“活的、會演化的歷史”。

　　基準結果表明：EverMind能夠以遠低于全上下文模型的算力成本，實現(xiàn)更高的準確率。

　　正是在這一判斷下，EverMind把研發(fā)重心從模型能力本身，轉向了一個更底層，也更難的方向——AI Memory Infra。

　　EverMemOS：打破行業(yè)基準，點擊即用

　　在EverMind最新發(fā)布的論文EverMemOS： A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning中，團隊對現(xiàn)有主流方案進行了清晰區(qū)分。

　　截圖來源：EverMemOS： A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning

　　EverMind詳細闡述了其技術提出的一套受engram啟發(fā)的生命周期機制，用以模擬生物認知過程。與傳統(tǒng)RAG或成本高昂的超長上下文窗口不同，EverMemOS能將經驗組織為連貫、可演化的結構。

　　它試圖構建的，是一個類似生物認知系統(tǒng)的記憶生命周期，靈感直接來自神經科學中的engram理論。

　　在這套架構中，記憶不是靜態(tài)存儲，而是會被不斷壓縮、重組、強化和遺忘的動態(tài)系統(tǒng)。

　　EverMemOS的核心機制，被概括為三個連續(xù)但可循環(huán)的階段。

　　第一階段：情景痕跡形成（Episodic Trace Formation）。

　　將對話流轉換為MemCells，用于捕捉情景痕跡、原子事實以及有時間邊界的前瞻信息。

　　第二階段：語義鞏固（Semantic Consolidation）。

　　把MemCells動態(tài)組織為主題化的MemScenes，提煉穩(wěn)定的語義結構，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)化算力成本的同時保證高準確率。

　　這也是EverMemOS能在大幅降低token消耗的同時，維持甚至提升準確率的關鍵。

　　基準成績，是硬指標

　　在AI基礎設施領域，架構是否成立，最終要看基準測試。

　　EverMind在四個主流記憶評測基準上，給出了極具說服力的數(shù)據。

　　LoCoMo（93.05%準確率）：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%）與時序任務（+16.1%）上優(yōu)勢顯著，同時大幅降低token使用與計算成本。

　　LongMemEval（83.00%準確率）：在知識更新與時序推理方面位居第一；其中知識更新任務提升20.6%，體現(xiàn)出系統(tǒng)可通過持續(xù)語義鞏固不斷“進化”的能力。

　　HaluMem（90.04%召回）：在記憶完整性方面建立新的行業(yè)標準，顯著減少長時程任務中的幻覺。

　　PersonaMem v2：在9個復雜場景中，在深度個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。結構本身，就是效率。

　　從論文到云服務：記憶能力的產品化

　　如果EverMemOS只停留在論文階段，它的意義仍然是學術層面的。

　　但是，EverMind顯然希望更快地進入真實應用場景。

　　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”的記憶增強能力。通過簡單API調用，原本無狀態(tài)的聊天機器人，可以在數(shù)分鐘內升級為具備長期上下文感知的智能體。

　　在設計上，該云服務強調三點：

　　一是企業(yè)級數(shù)據安全與隱私隔離；

　　二是對底層記憶架構的自動迭代；

　　三是盡可能降低開發(fā)者的使用門檻。

　　目前，該服務已對候補名單（waitlist）用戶開放內測，也可以通過官網申請加入內測：console.evermind.ai。

　　Memory Genesis：把基礎設施交到生態(tài)手里

　　與產品發(fā)布同樣重要的，是EverMind對生態(tài)的態(tài)度。

　　Memory Genesis Competition 2026，并不想做成一次常規(guī)的應用開發(fā)大賽，而是圍繞“記憶原生應用”展開的系統(tǒng)性共創(chuàng)。

　　圖片來源：EverMind

　　賽事設置了Memory+Agent、Plugin和Infra三大賽道，覆蓋從應用到基礎設施的不同層級。初始獎金池為8萬美元，并提供后續(xù)收入分成與職業(yè)機會。

　　優(yōu)秀開發(fā)者不僅能獲得獎金，還可能直接進入EverMind工程團隊，或獲得長期技術支持。

　　開發(fā)者可在2月線上參賽并提交作品，3月份將在社區(qū)逐步公布優(yōu)秀項目，并將邀請優(yōu)秀團隊參加4月初在硅谷舉辦的線下活動。

　　開發(fā)者可在evermind.ai/activities注冊。

　　 廣告