红熊AI MemoryBear登顶全球记忆双榜，刷新SOTA
2026年07月30日 22:55:32
当 AI 加速融入企业业务，业界对大模型的评价风向正在改变：从过去关注的参数规模、上下文窗口，转向同一个决定 AI Agent 落地效果的关键因素——记忆能力。近期，红熊 AI 自主研发的记忆科学引擎 MemoryBear，在 AI 记忆领域两项全球权威基准测试中双双登顶：LongMemEval 总分 95%、LoCoMo 总分 91.54%，刷新 AI 记忆赛道 SOTA。
红熊AI登顶记忆领域两大"高考"
LoCoMo 与 LongMemEval 堪称 AI 记忆能力的两大"高考"，二者均经过同行评审、发表于全球顶级会议并被广泛引用，含金量十足。LoCoMo（长期对话记忆基准测试）通过构建超长对话（跨越数十条对话、单条数百轮交互），并设计问答、事件摘要、多模态对话生成等任务，考察大模型在相隔很久之后是否仍能"记得"早前对话中的信息与因果。
LongMemEval（大模型长期交互记忆测试）更进一步：设置 500 道题目，每题嵌入一段约 11.5 万 token 的往来对话，考察 AI 的信息抽取、跨会话推理、时序推理、知识更新，以及"该拒答时拒答"五项综合能力。
通俗地说，两大测试考察的是模型在跨越超长时间、经历数百轮对话后，是否仍能真正记得会话内容并厘清关键信息。这些能力对应到客服、营销等真实业务场景，直接影响 Agent 的服务表现与客户体验。
MemoryBear 的双榜登顶，不仅是对"记忆科学"的技术验证，也意味着 AI 已能在多轮、长期对话中精准记住用户痛点、需求与业务逻辑，从"一次性工具"向"成长型伙伴"进化。
MemoryBear：参照人脑"海马体"的记忆系统
业内常见做法是给模型外挂记忆插件，把历史对话存下来并在需要时检索喂回。但这种方式只能被动记录、无法分析理解，相似或矛盾信息出现时易逻辑混乱，且上下文与 Token 消耗居高不下。
MemoryBear 选择另一条路：参照人类大脑的"海马体"机制，构建分层动态记忆体系——工作记忆层，处理当前任务，保留与任务相关的最新信息，类似人类瞬时记忆；短期记忆层，存储近期重要信息，经初步提炼与结构化，可快速调用；长期记忆层：存储经验证、具长期价值的信息（事实知识、技能经验、用户偏好等），长期保存并不断进化。
红熊 AI 还围绕该架构自研了多项核心技术：
时间记忆技术：解决记忆系统时间维度缺失问题，准确识别信息中的事件发生时间并建立时间线，让 AI 拥有"历史观"。
动态语义网络技术：从海量信息提炼关键实体、核心观点与内在关联，构建动态知识图谱，实现结构化存储与关联检索。
智能语义剪枝技术：借鉴艾宾浩斯遗忘曲线，自动识别并删除冗余、过时、错误信息，保持记忆高效精准，同时降低 token 消耗。
3D 自我反思引擎：系统低负载阶段自动校验已有记忆，检查时间顺序、事实一致性与逻辑关联，修正错误，降低模型幻觉率。
最小化记忆共享技术：面向多 Agent 协作，建立统一记忆中枢，各智能体只沉淀完成任务所需的关键记忆，按需调用，避免冗余并降低算力消耗。
记忆驱动 AGI：红熊AI的技术护城河
LoCoMo 与 LongMemEval 的耀眼成绩，是红熊 AI"记忆驱动 AGI"技术路线的又一块试金石，也是其区别于通用大模型公司的根本——大模型的参数与算力可以被追平，但一套伴随企业业务生长、持续变强的记忆系统难以被复制。在红熊 AI 看来，AI 记忆才是真正的技术护城河与商业壁垒。
红熊 AI 将于 7 月 31 日举行「记忆觉醒·智能新生」2026 产品发布会，展示 MemoryBear 的重磅更新，并发布基于该记忆架构的两款记忆型大模型与四大原生 Agent 应用，交出一份关于"记忆"的全栈答卷。（企业供图）
声明：本文所载内容转载于公开信息，登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。内容仅供参考，不构成任何消费建议，请谨慎对待。