📖 AI 总结

记忆张量发布并开源了记忆原生大模型 MemT 1.0，试图解决当前 AI 助理“做过的事无法转化为经验”的核心痛点。与主流外挂检索方案不同，MemT 1.0 将记忆内化进模型底层架构，通过主干网络与独立动态记忆状态分离的设计，让模型在每轮对话后以 token 级更新机制自主决定记忆的读写与更新，无需重新训练即可持续吸收经验。团队用 340 亿 token 分两阶段训练该机制，并引入 Mixture-of-Storage 架构扩充固定体积记忆的容量。在 11 项记忆基准测试中，其闭卷均分领先最强参数化记忆基线 12.5 分；在 SWE-bench Verified 编程任务中，实时反馈驱动的记忆更新将平均成功率从 66.07% 提升至 69.73%，验证了“任务反馈—经验沉淀—改善后续任务”闭环的可行性，为养成系 AI 助理提供了新的技术路径。