用文字记住图片，是一种错觉：MemEye用「原图证据」重测多模态Agent Memory
用文字记住图片，是一种错觉：MemEye用「原图证据」重测多模态Agent Memory多模态Agent最容易制造的一种错觉是：它看过图片，所以它记住了图片。
来自主题: AI技术研报
6040 点击 2026-05-27 08:46
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
多模态Agent最容易制造的一种错觉是：它看过图片，所以它记住了图片。
你是否在使用Agent工作或者写代码时，总感觉上下文不够用？或者感觉反复使用Agent时并没有变得更聪明？感觉目前的记忆方案仍然不够用？今日，香港中文大学联合浙江大学发布的一篇论文关注了这个问题，并引起了学术界广泛讨论：你以为Agent在「记忆」，其实只是在记备忘录。
EverMind 想做点不一样的。这家由盛大集团孵化的公司，定位是为所有AI Agent提供一个通用的"记忆层"（Memory Layer）。它的核心产品EverOS是一套开源的长期记忆系统，开发者可以把它接入自己的Agent，让AI不仅能记住用户的历史对话和偏好，还能像人一样对记忆进行整理、更新，甚至从过去的经验中学习和进化。
4 月 18 日，Elastic 中国 AI 搜索技术大会在北京召开。以下内容整理自 Elastic 全球副总裁肖涵，原 Jina AI 创始人兼 CEO 在会上的演讲。肖涵讲述了 AI 搜索的发展历程以及为什么说在 2026 年做 AI 搜索基本就是在做智能体记忆 (Agent Memory)。
现在的AI agent往往把长交互历史直接存起来，但很难高效复用。最朴素的方法直接从「原始记忆」里检索，但常常把模型淹没在冗长、低价值的上下文里。PlugMem把经验转化为结构化、可复用的知识，并提出一个任务无关（task-agnostic）的统一记忆模块，在多种Agent基准上提升性能，同时消耗更少。
一条X，直接引爆了机器人圈：装上OpenClaw的宇树人形机器人，竟开始理解空间与时间！机器人第一次拥有「世界记忆」，能记住人、物体和发生过的事——天网，真的要来了？
随着大语言模型 Agent 开始在对话、问答与复杂交互环境中长期运行，“记忆该如何设计” 正在成为一个绕不开的核心问题。
“我真的厌倦了看到那些急于求成的科技初创公司，为了讨好风投而在数据上撒谎，还贴上‘SOTA’的标签。”有网友吐槽。 事情源于高人气开源智能体记忆项目 Mem0 在今年 4 月底发布的一篇论文。
近期，基于大语言模型的智能体（LLM-based agent）在学术界和工业界中引起了广泛关注。对于智能体而言，记忆（Memory）是其中的重要能力，承担了记录过往信息和外部知识的功能，对于提高智能体的个性化等能力至关重要。