陈天桥邓亚峰联手发布EverMemOS：破解大模型遗忘难题，开启AI长期记忆新纪元 | AINEWS

type

status

date

slug

summary

引言：当大模型拥有了“不忘初心”的能力

在人工智能飞速发展的今天，大语言模型（LLM）虽然在推理和生成能力上屡创奇迹，但“健忘”始终是其迈向通用人工智能（AGI）的一大阻碍。从DeepSeek对记忆机制的研究，到谷歌发布的重磅论文《Nested Learning》，全球AI圈正集体押注技术风口——记忆。

近日，由盛大创始人陈天桥与技术大牛邓亚峰领衔的EverMind团队正式发布了世界级长期记忆系统——EverMemOS。这一系统不仅一经发布即达到SOTA（State-of-the-Art）水平，更通过开源与云服务的方式，试图彻底解决大模型在长文本处理中的记忆断裂难题。想要了解更多前沿AI资讯和AI日报，欢迎访问 https://aigc.bar。

大模型记忆的“断裂带”：为什么AI总是转头就忘？

当前主流的大模型多基于Transformer架构，其记忆核心依赖于自注意力机制（Self-Attention）下的上下文窗口。然而，这种机制存在天然的物理限制：

窗口长度受限：一旦文本超过窗口限制，旧的信息会被无情截断。

KV Cache 膨胀：随着对话增长，显存占用呈指数级增加，推理效率大幅下降。

信息压缩损失：为了节省资源，现有技术往往通过压缩旧记忆来腾挪空间，导致细节模糊，出现“驴头不对马嘴”的现象。

虽然业界尝试过RAG（检索增强生成）、模型参数化记忆或隐状态记忆等方案，但往往在信息连贯性、更新成本或时序匹配上存在短板。EverMemOS的出现，正是为了填补这一技术鸿沟，为AI提供一种“活的”、可进化的记忆能力。

降维打击：EverMemOS如何通过生物学机制重塑记忆？

EverMemOS的设计灵感源自脑科学。EverMind团队认为，AI的记忆不应只是冷冰冰的数据库检索，而应模拟人类大脑的运作逻辑。其核心架构分为三个层层递进的阶段：

情景轨迹构建（模拟海马体）：将连续的对话拆解为独立的记忆单元（MemCell），不仅记录内容，还捕捉事实与时效信息。

语义整合（模拟新皮层）：将碎片化的记忆单元归类为主题化的场景（MemScene），并实时更新用户画像，区分长期偏好与短期状态。

重构式回忆（前额叶协同）：在用户提问时，系统通过智能引导，仅检索出必要且充分的记忆内容进行推理。

这种“生物启发式”的路径，让AI学会了像人类一样思考和记忆，实现了知识存储与认知系统的深度整合。

霸榜SOTA：实测数据下的“最强大脑”

在多项主流记忆基准测试中，EverMemOS展现出了统治级的表现。基于GPT-4o-mini等基础模型的测试结果显示：

LoCoMo测试：准确率达到93.05%，在多跳推理和时序任务上分别提升了19.7%和16.1%，同时大幅降低了Token消耗。

LongMemEval评估：在跨度极大的长对话场景中，以83%的准确率位居榜首。

HaluMem基准：在保证记忆完整性的同时，显著改善了AI幻觉现象。

这意味着EverMemOS不仅记性好、搜得准，而且运行速度快、成本更低，最长可支持突破百兆级别的上下文限制。

开发者红利：云服务上线与8万美元全球挑战赛

为了让这一技术真正落地，EverMind不仅开源了技术代码，还推出了EverMemOS Cloud云服务。开发者现在只需调用两行API代码，即可为自己的应用装上“长期记忆”。

更令人振奋的是，EverMind联手多个技术社区发起了首届“记忆起源大赛”（Memory Genesis Competition 2026），悬赏8万美元寻找全球顶尖人才。比赛涵盖三个赛道： 1. 记忆+智能体：构建具备进化能力的个性化Agent。 2. 平台插件：为VSCode、Slack等建立记忆扩展生态。 3. 操作系统基础设施：优化EverMemOS核心架构。

获奖者不仅能获得丰厚奖金，还有机会获得EverMind的全职Offer或担任技术顾问。这不仅是一场技术的较量，更是对下一代AI基础设施标准的重塑。

结语：记忆是通向AGI的最后一块拼图

如果说推理能力是AI的“逻辑引擎”，那么长期记忆就是它的“经验宝库”。陈天桥与邓亚峰的这次联手，标志着AI竞争已进入比拼长期记忆的下半场。随着EverMemOS生态的完善，未来的AI将不再是冷冰冰的提示词响应器，而是能够持续学习、自我演化的数字伴侣。

获取更多关于大模型、Prompt、人工智能及AI变现的深度干货，请持续关注 https://aigc.bar，掌握AI时代的领先资讯。