一夜之间，AI终获「永久记忆」新智元

AI终于有了「永久记忆」！今天，超级记忆系统ASMR重磅登场，在业界公认最难AI记忆考试中，刷爆SOTA拿下99%成绩。全网直呼太疯狂。

AI记忆难题，已彻底被解决？

今天，一个Supermemory团队爆火出圈，向全世界扔出了一颗核弹——

超级记忆系统「ASMR」问世，把AI记忆界最难考试LongMemEval，刷到了99%准确率。

全球数十亿Agent都需要记忆，而如今，AI「健忘症」几乎被攻克了。

是的，你没有听错！

ASMR以近乎无敌的姿态刷爆SOTA，一时间登上了今天X的热榜。

它抛弃了传统的「向量数据库」，抛弃了嵌入（embedding）模式，完全在内存中运行。

这一次，ASMR全程采用「多Agent并行推理」的流水线，具体分工如下：

3个「观察者Agent」并行读取原始数据，提取个人信息、偏好、时间线等六大维度信息；

当用户提问时，再派出3个「搜索Agent」进行主动推理检索。

如今，全网被「太疯狂了」刷屏了。

值得一提的是，ASMR将于4月初开源全部代码，AI记忆的「大航海时代」正式开启！

一夜之间，AI有了「永久记忆」

首先，还是要mark下这篇博客第一句话——

AI Agent的记忆问题现在可能已经完全解决了。

几个月前，Supermemory祭出首份研究报告，便在LongMemEval-s测试中拿下了85%的成绩。

这一分数，早就领先于当时所有公开的记忆系统。

而今天，超级记忆系统「ASMR」（智能体搜索与记忆检索）的出世，再一次刷新了纪录。

它的技术实现，非常简单。

不需要向量数据库、嵌入（embeddings），直接完全在内存中运行。

这意味着，它可以被内嵌到其他系统中，甚至是机器人等硬件中。

那么，ASMR具体是如何被打造出来的？

ASMR：多Agent并行干活

要知道，LongMemEval是目前公开可见的、最严苛的长期记忆基准测试之一。

很多基准测试只考量短上下文中的简单检索，但LongMemEval不同，它旨在模拟真实生产环境中的各种混乱情况：

在超11.5万智元（Token）的对话历史、相互矛盾的信息、跨越多个会话的零散事件，还需进行时间推理的复杂问题。

大多数记忆系统表现不佳，问题往往出在「检索」上，而不是推理上。

即便召回率很高，如果检索过程中伴随着大量噪音，LLM同样很难利用这些信息。

首要难题在于，如何只将正确的信息放入上下文窗口；更困难的是——如何判断检索到的事实已经过时，并已经被更新的版本所取代。

不仅如此，标准的向量搜索在多数情况下都很好用。

但在处理信息密度高、跨越多会话的时序数据细节时，它就力不从心了。语义相似度匹配无法可靠地区分某个事实是「旧信息」还是「新修正」。

为了应对LongMemEval的复杂性，必须从头开始重新构思信息摄取与检索管道，用主动的Agent推理来取代向量数学计算。

由此，团队跳出了传统RAG框架，构建了一个「多Agent协同编排」的管道。

3+3 Agent，各有分工

就像ASMR一样，这项技术简单直白，且让人极度舒适。

观察者Agent：并行摄取

首先，部署一个由3个并行读取器——观察者Agent，组成的智能体编排器。

它们背后由Gemini 2.0 Flash加持，不用针对用户对话进行分块和嵌入就能执行任务。