双榜SOTA，微软ACL2026新作重新定义AI长记忆

大语言模型的应用浪潮正席卷而来，但一个核心的瓶颈也越来越清晰：AI始终缺乏真正的长期记忆。目前主流的解决方案——

，虽然能快速调取历史信息，但其依赖的语义相似度检索有个致命伤：。这导致检索结果常常不完整、无法判断信息间的深层关联，更谈不上进行逻辑推理。

为了突破这个瓶颈，微软研究团队提出了一个全新的

。这个框架从认识论和认知科学中汲取灵感，让AI不仅能，更能。它在两大权威的长期记忆基准测试中都达到了当前最优（SOTA）性能，这项成果也已被。

△ Mnemis框架概览

RAG的“近视眼”困境

想象这样一个场景：用户问“Da ve在2023年去过哪些城市？”，正确答案是旧金山和底特律。传统的RAG会把问题转化为向量，然后在历史对话里寻找语义最相似的片段。结果呢？它可能找到了“波士顿”和“旧金山”，却完全漏掉了“底特律”——因为“在底特律参加了一场会议”这条信息，可能埋藏在一段很长的消息里，和“去过哪些城市”这个问题的字面语义相似度不够高。更麻烦的是，RAG也无法判断“波士顿”是Da ve的居住城市，而非旅行目的地。

这个例子暴露了传统RAG的三个根本局限：

：每条记忆独立地与查询比较，忽略了记忆片段之间的内在联系。

：向量相似度偏爱字面匹配，对那些间接相关但逻辑上至关重要的信息天然“失明”。

：系统不理解对话历史中包含了哪些话题，以及这些话题之间是什么关系。

打个比方，RAG就像只根据书名里的关键词在图书馆里找书；而一位有经验的图书管理员，会先去查阅分类目录，从整个知识体系的结构出发，系统性地定位所有相关书籍。

Mnemis的核心设计：建构式索引+双系统检索

Mnemis的名字源自希腊神话中的记忆女神，其设计清晰地分为

和两个阶段。

在

，传统RAG的做法是把对话切块、向量化、然后存入数据库，不建立任何结构——这对应着认识论中的，记忆只是知识的“搬运工”。而则认为，记忆是一个主动的加工过程，人类在“记住”的同时，就在对信息进行组织和抽象。

Mnemis正是建构主义的计算实现：

。

具体来说，它构建了两层结构：

第一层是

，从对话中提取实体和关系，进行消歧、去重和聚合，从而消除信息的碎片化。

第二层是

，在基础图谱之上，将具体的实体归纳为更高层的语义概念，并建立跨主题的高阶连接。例如，“旧金山”、“底特律”这些实体会被归入“地理位置”这个概念下，而“地理位置”可能进一步归属于更上层的“地理”类目。关键是，每个用户的层级图都是根据其自身数据自适应生成的。

构建这个层级图遵循三个核心原则：

确保每一层类别都承载真实的语义信息；允许一个实体属于多个类别，保证从任何角度检索都不会遗漏；确保层级结构逐层压缩，保持整体的紧凑性。三者协同工作，从结构上保证了信息的无损性和全局可达性。

到了

，Mnemis则受诺贝尔经济学奖得主丹尼尔·卡尼曼的“双系统理论”启发，融合了两条互补的检索路径。

将查询向量化，在基础图谱中快速匹配语义最相似的实体，适合回答直接、简单的问题。

则利用大语言模型（LLM）的推理能力，在层级图上自顶向下、逐层遍历并进行智能筛选。当LLM确信某个类别下的所有内容都相关时，可以触发“捷径（Shortcut）”机制，直接获取该类别下的全部后代节点，从而兼顾准确性与效率。

最终，系统一确保语义直接匹配的记忆不被遗漏，系统二确保那些结构相关但语义距离较远的记忆也能被覆盖，两者

，形成更全面的记忆检索。

△ 双系统检索流程示意图

效果验证：双基准SOTA

研究团队在两个主流的长期记忆基准上对Mnemis进行了全面评估。在

上，其准确率达到93.9%；在上，准确率达到91.6%。这两个成绩均显著优于现有的RAG以及Graph-RAG等方法。

值得注意的是，以上优异结果仅使用了GPT-4.1-mini作为底层模型，这充分证明了Mnemis框架设计本身的有效性，而非单纯依赖大模型的强大能力。

△ 在LoCoMo基准上的性能对比

△ 在LongMemEval-S基准上的性能对比

案例分析

让我们回到开头的案例。面对“Da ve在2023年去过哪些城市”的查询，系统一通过语义匹配找到了“波士顿”和“旧金山”，但漏掉了“底特律”。系统二则从层级图顶部出发，依次定位到“地理”→“地理位置”类别，触发“捷径”机制直接获取该类别下的所有城市实体，从而成功检索到“底特律”。两条路径的结果融合后，模型还能进一步推理，判断出“波士顿”是居住城市而非旅行目的地，最终给出完整且正确的答案。

△ 案例一检索过程解析

另一个典型案例是：“Sam遇到了什么健康问题促使他改变生活方式？”系统一被“健康问题”等关键词吸引，检索到了“胃炎”这一急性事件。而系统二通过层级结构，定位到“身体健康”→“健康”→“健康因素”这条路径，聚合了多条记忆后发现，真正驱动Sam长期改变生活方式的核心因素，其实是“体重问题”，而非单次的胃炎事件。这体现了系统二在抽象归因和长期动机分析上的独特价值。

思考与展望

Mnemis揭示了一个至关重要的洞察：

传统RAG几乎把所有智能都押注在检索阶段，索引阶段只是简单地进行分块和向量化，近乎无加工。Mnemis的设计理念则反其道而行之：在索引阶段就进行深度的语义建构，使得检索阶段能够同时利用快速匹配和结构遍历两种模式——这恰好对应了人类记忆的两个关键特征：

可以说，真正有价值的AI记忆，应当是有组织的、可推理的、双模式的，并且能够持续进化。Mnemis正是朝着这个方向迈出的重要一步。