AI终于有了「长久挂念」！今天，超等挂念系统ASMR重磅登场，在业界公认最难AI挂念熏陶中，刷爆SOTA拿下99%收货。全网直呼太纵脱。
AI挂念难题，已透彻被解决？
今天，一个Supermemory团队爆火出圈，向全寰球扔出了一颗核弹——
超等挂念系统「ASMR」问世，把AI挂念界最难熏陶LongMemEval，刷到了99%准确率。
环球数十亿Agent皆需要挂念，而如今，AI「忘记症」简直被攻克了。
是的，你莫得听错！
ASMR以近乎无敌的姿态刷爆SOTA，一期间登上了今天X的热榜。
它撤销了传统的「向量数据库」，撤销了镶嵌（embedding）方法，十足在内存中运行。
这一次，ASMR全程选拔「多Agent并行推理」的活水线，具体单干如下：
3个「不雅察者Agent」并行读取原始数据，索求个东谈主信息、偏好、期间线等六大维度信息；
当用户发问时，再派出3个「搜索Agent」进行主动推理检索。
如今，全网被「太纵脱了」刷屏了。
值得一提的是，ASMR将于4月初开源通盘代码，AI挂念的「大帆海时期」讲求开启！
今夜之间，AI有了「长久挂念」
源头，如故要mark下这篇博客第一句话——
AI Agent的挂念问题刻下可能照旧十足解决了。
几个月前，Supermemory祭出首份商酌表现注解，便在LongMemEval-s测试中拿下了85%的收货。
这一分数，早就最初于那时系数公开的挂念系统。
而今天，超等挂念系统「ASMR」（智能体搜索与挂念检索）的出世，再一次刷新了记录。
它的本事罢了，相等节略。
不需要向量数据库、镶嵌（embeddings），径直十足在内存中运行。
这意味着，它不错被内嵌到其他系统中，以致是机器东谈主等硬件中。
那么，ASMR具体是怎么被打造出来的？
ASMR：多Agent并行干活
要知谈，LongMemEval是刻下公开可见的、最严苛的恒久挂念基准测试之一。
好多基准测试只考量短高下文中的节略检索，但LongMemEval不同，它旨在模拟的确出产环境中的各式狼籍词语情况：
在超11.5万智元（Token）的对话历史、互相矛盾的信息、进步多个会话的零碎事件，还需进行期间推理的复杂问题。
大多数挂念系统发扬欠安，问题通常出在「检索」上，而不是推理上。
即便调回率很高，如若检索经由中伴跟着渊博杂音，LLM相通很难诈欺这些信息。
紧要难题在于，怎么只将正确的信息放入高下文窗口；更费劲的是——怎么判断检索到的事实照旧逾期，并照旧被更新的版块所取代。
不仅如斯，法式的向量搜索在多数情况下皆很好用。
但在处理信息密度高、进步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永别某个事实是「旧信息」如故「新修正」。
为了派遣LongMemEval的复杂性，必须重新运行从新构想信息招揽与检索管谈，用主动的Agent推理来取代向量数学计较。
由此，团队跳出了传统RAG框架，构建了一个「多Agent协同编排」的管谈。
3+3 Agent，各有单干
就像ASMR一样，这项本事节略直白，且让东谈主极度兴奋。
不雅察者Agent：并行招揽
源头，部署一个由3个并行读取器——不雅察者Agent，构成的智能体编排器。
它们背后由Gemini 2.0 Flash加合手，无用针对用户对话进行分块和镶嵌就能试验任务。
这些Agent会并发地阅读原始会话，比如，Agent 1负责会话 1、3、5；Agent 2负责 2、4、6。
不雅察者Agent指标是围绕「六个维度」进行定向的学问索求：个东谈主信息、偏好、事件、时序数据、信息更新、助手信息。
然后，这些结构化的发现会被「原糊口储」，并映射回它们的源会话中。
搜索Agent：主动检索
当继承到问题时，ASMR不会去查询向量数据库。
通过部署的3个并行的「搜索Agent」，这些AI会主动阅读并推理已存储的发现，B体育(BSports)每个Agent皆有专属的侧要点：
Agent 1：搜索径直事实和明确述说；
Agent 2：寻找关系的高下文、外交萍踪和显露；
Agent 3：重建期间线和关系图谱。
编排器会汇总系数三个「搜索Agent」的发现，并索求原文会话的逐字片断来进行细节考证。
这种机制使得系统大要基于的确的融会音融来进行智能检索，而不单是是依赖要津词或数学上的相似度。
一朝高下文整合完成，单一的指示词无法派遣LongMemEval中种类蕃昌的问题。
有些问题需要预计细节，而有些则条目给出极其具体的谜底。
接下来，Supermemory尝试了两种天渊之别的AI Agent回复使命流。
8变体集群（98.6%准确率）
将检索到的高下文路由给并走运行的8个高度专科化的指示词变体。
比如，精确计数器、期间人人、Context Deep Dive等，每个变体皆会安定评估高下文并生成谜底。
如若这8条天渊之别的推理旅途中，有任何一条告成得出了正确谜底（Ground Truth），该问题就会被秀气为正确。
这种并行的多重判断法子，让ASMR达到了惊东谈主的98.60%举座准确率，齐全遮掩了盲区。
12变体决策丛林（97.2%准确率）
为了测试一个旨在产出单一、泰斗谜底，而依赖屡次安定尝试的系统，团队又将ASMR膨大为了一个包含12个变体的决策丛林。
在这里，12个高度专科化的AI Agent（由GPT-4o-mini驱动）安定回复指示词。
而况， 还引入了一个「团员大模子」行为最终的裁判。
团员器通过多数投票、领域信任度和禁闭解决机制来综合这12个谜底。
这种单一的共鸣模子，相通得到了高达97.2%的惊东谈主准确率。
需要表现的是，ASMR刻下还没灵验在Supermemory的中枢出产环境中。
此次实验不仅刷新了数据，更考证了几个要津不雅点：
Agent检索优于向量搜索： 主动搜索排除了语义相似度罗网，解决了时序变化导致的信息失效问题。
并行处理是后果中枢： 将负载分派给多个专用Agent，权贵栽种了索求的速率与颗粒度。
专科化单干胜过通用模子： 专用人人（如细节索求器）的发扬远超单一的万能指示词。
Supermemory才是实在的贪心
但如若你觉得ASMR只是一个刷榜实验，那就太小看这个团队了。
ASMR背后，是一个叫Supermemory的完整挂念引擎——一套面向系数AI应用的挂念与高下文基础才气。
Your AI forgets everything between conversations. Supermemory fixes that.
你的AI在对话之间什么皆记不住，Supermemory来修。
挂念≠RAG，这是两件事
前边说的ASMR，解决的是「奈何从海量对话里精确找到正信服息」。
但Supermemory要解决的问题更大：让AI实在领有挂念，而不单是检索。
区别在于，RAG不认东谈主，今天给张三复返的限度和来日给李四的一模一样；而Supermemory会从对话中主动索求事实，跟踪变化，处理矛盾，以致自动淡忘。
举个例子，你上个月跟AI说「我住在北京」，这个月又说「我刚搬到上海」。RAG会把两条信息皆丢给大模子，让它我方猜。Supermemory知谈后者遮掩了前者，只复返「上海」。
更狠的是「自动淡忘」机制。你说「我来日有个熏陶」，等日历过了，这条挂念自动失效。临样式实不会酿成长久杂音。
Supermemory默许把RAG和挂念合并在统一次查询里跑，学问库检索和个性化高下文一次复返。
50毫秒，一个API调用责罚用户画像
挂念以外，Supermemory把用户画像也一并接纳了。
传统决议里，你想让AI「坚贞」一个用户，需要我方搭建用户画像系统，手动爱戴标签、偏好、历史行为。Supermemory把这件事全自动化了。
它会把用户信息拆成两层：
静态事实（「资深工程师」「用Vim」「偏好暗色方法」）
动态高下文（「正在作念认证模块迁徙」「在debug限流问题」）。
一次API调用，蔓延约50毫秒，你的Agent就知谈对面坐的是谁。
把这个画像注入system prompt，Agent须臾从「生分东谈主方法」切换到「老一又友方法」。
「全家桶式」的流畅才气
挂念光靠对话还不够，Supermemory还接通了一整套外部数据源。
Google Drive、Gmail、Notion、OneDrive、GitHub，通盘通过及时Webhook自动同步。
文档上传后自动处理，PDF剖析、图片OCR、视频转录、代码AST级分块。传上去就能搜，零树立。
对确立者来说，集成资本被压到了最低。
npm装一个包，几行代码就能给我方的Agent加上完整的挂念才气。Vercel AI SDK、LangChain、LangGraph、OpenAI Agents SDK、Mastra，主流AI确立框架通盘有现成的封装。
内置Claude Code、OpenCode、OpenClaw插件
以致不写代码也行。
Supermemory提供了MCP事业器，一转呐喊装配，Claude Desktop、Cursor、Windsurf、VS Code径直用。
挂念这场仗，才刚刚运行
从实验到居品，Supermemory团队作念的事情其实不错用一句话综合：把AI的「使命挂念」从一个附加功能，酿成一层基础才气。
夙昔几年，大模子的竞争纠合在参数规模、推理速率、高下文窗口长度。
但一个128K高下文窗口再大，对话终端就清空，下次碰头如故生分东谈主。
挂念才是让AI从「用具」酿成「搭档」的临了一块拼图。
当每一个Agent皆能记着你是谁、你在作念什么、你前次说到何处，东谈主机交互的体验会出现一次静暗暗的质变。
不是AI变贤达了B体育，而是它终于不再失忆了。
快乐飞艇APP官方网站
备案号: