腾讯开源 T-Mem 记忆架构：写入时预判未来用途，关联回忆强 28pp
aigclink · x · 2026-09-21
腾讯开源 AI 记忆架构 T-Mem，针对长期记忆中被忽视的「关联回忆」短板：一般系统只记录「这是什么」，T-Mem 在写入时让 LLM 预判这条记忆未来可能被哪些看似无关的问题用到，并把关联线索一并存成索引，把记忆从被动检索推向主动预判——例如用户随口说「最近压力大」，两周后可能以「陪我聊聊」被唤起，这是陪伴型 AI/数字人陪伴感的关键。
架构设计：四个触发器的 2×2 矩阵——两种证据粒度（原子事实 Item / 完整对话段 Scene）× 两种回忆类型（描述性 / 关联性）。
评测：
- 标准 LoCoMo 上准确率 80.26%，换到 LoCoMo-Plus 为 74.81%，仅降 5.45 pp
- 对比 HyperMem：标准 LoCoMo 77.01%，LoCoMo-Plus 上 48.63%，下降 28.38 pp
说明 T-Mem 在关联性回忆场景下鲁棒性显著更强。
所属事件:腾讯开源 T-Mem 记忆架构，论文入选 EMNLP 2026 主会(2 条相关)→
「编程与Agent」频道最新
- Termcp 把真实交互终端开放给 Agent,免去逐个开发 MCP — Psychological-Bid722 · 2026-09-21
- 把 Claude 当你的第一名员工：免重复交代业务的设置法 — evielync · 2026-09-21
- Jev 使用指南：专做判断不写字的「系统 1」模型怎么用 — xiaohu · 2026-09-21
- 观点：Agent 无法自动购买的产品就是去年时代的 SaaS — diegoposts · 2026-09-21
- 搜索工具 baoer_signal_grep 用 Jev 给编码 agent 加语义裁决层 — Deep_Bus_7488 · 2026-09-21
- Laya MPS：在 Apple Silicon 本地跑 Jev 决策，延迟约 32ms — afshinmeh · 2026-09-21