新智元報(bào)道

編輯：LRST

【新智元導(dǎo)讀】現(xiàn)有AI記憶評測存在局限，如數(shù)據(jù)源單一、忽視變化本質(zhì)、注入成本高等。CloneMem通過層次化生成框架構(gòu)建合成人生，設(shè)計(jì)貼近真實(shí)場景的評測任務(wù)，涵蓋多種問題類型。實(shí)驗(yàn)發(fā)現(xiàn)簡單方法在檢索上更有效，復(fù)雜系統(tǒng)會丟失關(guān)鍵細(xì)節(jié)，記憶系統(tǒng)應(yīng)保留細(xì)節(jié)和時(shí)間脈絡(luò)，還原而非壓縮信息，以更好地理解人。

AI數(shù)字分身正在從科幻走向現(xiàn)實(shí)：幫你回郵件、管理日程，甚至可以直接替你和別人coffee chat。

但問題是：AI如何深度了解你并與你保持同步？

不僅要「知道」你叫什么，住在哪里，喜歡聽什么音樂，喜歡吃什么，更要「持續(xù)了解」：這幾年你經(jīng)歷了什么、你的想法是如何一步步轉(zhuǎn)變的、為什么去年你想要跳槽，但今年卻想要留下。

這些，才真正定義了你是誰。

針對這一問題，開源學(xué)術(shù)社區(qū)QuantaAlpha聯(lián)合國內(nèi)外知名高校團(tuán)隊(duì)提出了CloneMem——首個(gè)專門評估AI Clone長期記憶能力的基準(zhǔn)測試，并提供了中英文雙語版本。

論文鏈接：https://arxiv.org/pdf/2601.07023

代碼數(shù)據(jù)：https://github.com/AvatarMemory/CloneMemBench

AI Clone 應(yīng)用場景示意圖

人生的關(guān)鍵變化

往往不發(fā)生在聊天框里

現(xiàn)有AI記憶評測主要考察模型能否記住用戶與AI之間說過的話。但這套評測范式存在三個(gè)根本局限：

數(shù)據(jù)源單一。

僅依賴用戶與AI的對話記錄，而這些記錄往往只反映了生活中的某些片段。更關(guān)鍵的是，對話內(nèi)容高度依賴用戶主動表達(dá)，本身就已經(jīng)經(jīng)過個(gè)人的二次敘述，很難還原一個(gè)人真實(shí)而連續(xù)的生活軌跡。

忽視「變化」的本質(zhì)。

現(xiàn)有基準(zhǔn)關(guān)注的是「AI 能否記住某個(gè)事實(shí)」，而非「AI 能否理解這個(gè)人是怎么一步步變成現(xiàn)在這樣的」——經(jīng)歷如何塑造情緒，情緒如何影響觀點(diǎn)，觀點(diǎn)又如何左右選擇。

注入成本高。

想讓AI了解你，你得不斷主動和它聊。但誰有時(shí)間每天給AI寫日記？這種機(jī)制難以長期維持。

CloneMem與現(xiàn)有記憶評測基準(zhǔn)對比

數(shù)據(jù)怎么造？

層次化生成一個(gè)合成人生

真實(shí)用戶數(shù)據(jù)涉及隱私，研究團(tuán)隊(duì)設(shè)計(jì)了一套層次化生成框架：

宏觀層面，基于大五人格初始化人物設(shè)定，構(gòu)建職業(yè)、家庭、情緒、價(jià)值觀等長期人生弧線；中觀層面，將每個(gè)重大事件拆分為多個(gè)階段，維護(hù)內(nèi)部狀態(tài)快照（能量、壓力、情緒、關(guān)注焦點(diǎn)），狀態(tài)在階段間傳遞以保證連貫性；微觀層面，為每個(gè)階段生成具體事件，并同步產(chǎn)出日記、帖子、消息等多種媒介內(nèi)容。

這種自頂向下的設(shè)計(jì)確保了經(jīng)歷、情緒、觀點(diǎn)在長時(shí)間跨度上保持一致。

CloneMem 完整的數(shù)據(jù)構(gòu)建流程

面向真實(shí)交互場景的評測任務(wù)設(shè)計(jì)

CloneMem設(shè)計(jì)了一系列貼近真實(shí)使用場景的評測任務(wù)。所有問題都從「與AI Clone聊天的朋友」視角出發(fā)，而不是系統(tǒng)自問自答。

提問者像現(xiàn)實(shí)中的熟人一樣，會在不同時(shí)間點(diǎn)向AI Clone詢問你的近況和想法。

更關(guān)鍵的是，這些問題不是集中在某一個(gè)時(shí)間段，而是貫穿在你完整的人生時(shí)間線上，這也就意味著模型需要在橫跨數(shù)年的日記、社交媒體、聊天記錄和郵件等多源記錄里，找到關(guān)鍵信息，并理解經(jīng)歷如何影響情緒，情緒如何塑造觀點(diǎn)，觀點(diǎn)又如何推動選擇，才能做出正確的判斷。

CloneMem評測任務(wù)示例

CloneMem設(shè)計(jì)了7種問題類型，涵蓋了事實(shí)回憶、規(guī)律識別、變化對比、長期軌跡理解、因果推理、反事實(shí)推理，以及無法回答的情況。

而考慮到在真實(shí)場景下的開放式問答難度不低，CloneMem也為每道簡答題設(shè)計(jì)了對應(yīng)的選擇題版本，用來降低難度。

實(shí)驗(yàn)發(fā)現(xiàn)

簡單方法反超，復(fù)雜系統(tǒng)壓縮掉關(guān)鍵細(xì)節(jié)

研究團(tuán)隊(duì)從檢索能力、記憶有效性和回答一致性等多個(gè)維度，對Flat Retriever、A-MEM和Mem0三種記憶系統(tǒng)進(jìn)行了評估，結(jié)果卻有些出人意料。

在檢索層面，簡單方法反而更有效

在多數(shù)指標(biāo)上，最簡單的Flat Retriever表現(xiàn)最好。原因是抽象和總結(jié)雖然有助于搜索，但會損失細(xì)節(jié)保真度。而AI Clone任務(wù)高度依賴時(shí)間順序、原始表述、事件間的細(xì)微關(guān)聯(lián)，而這些信息往往在摘要的過程中被壓縮掉了。

不同記憶系統(tǒng)的 QA 性能與記憶效用對比（Oracle 為使用真實(shí)上下文的上界）

在表征層面，記憶系統(tǒng)只記事件，而不記狀態(tài)

以老沈?yàn)槔�，他正在�?jīng)歷中年危機(jī)，連續(xù)兩周在凌晨瀏覽招聘網(wǎng)站，搜索各種崗位信息。記憶系統(tǒng)非常誠實(shí)的記下了這些行為，但無法表征他還在猶豫，一份簡歷都沒投出去的狀態(tài)。

因此當(dāng)被問到老沈有沒有看重的公司時(shí)，模型面對一堆求職相關(guān)的行為記錄，自然會腦補(bǔ)出老沈看重了幾家公司，然而實(shí)際上，他什么都沒有決定。

在生成層面，模型容易被敘事慣性所帶偏

即使檢索到了正確的信息，模型仍然傾向于套用高概率敘事模板，而并沒有依據(jù)事實(shí)證據(jù)。比如當(dāng)問老沈?yàn)槭裁丛敢庀蚱拮映ㄩ_心扉，正確答案是他意識到長期強(qiáng)撐正在傷害家庭，模型卻回答女兒的一幅畫觸動了他，這聽起來很合理，但證據(jù)完全對不上。

對記憶系統(tǒng)設(shè)計(jì)的啟示

CloneMem的實(shí)驗(yàn)結(jié)果指向一個(gè)核心問題：當(dāng)前的記憶系統(tǒng)把記住當(dāng)成了目標(biāo)，但AI Clone真正需要的是還原。

這意味著記憶系統(tǒng)不能只做信息壓縮，而要保留原始表述和時(shí)間脈絡(luò)；不能只記發(fā)生了什么事，還要能表征一個(gè)人正在經(jīng)歷什么階段；不能總是給出答案，而要在證據(jù)不足時(shí)學(xué)會說不知道。

換句話說，AI Clone的記憶不應(yīng)該是一個(gè)越壓越小的知識庫，而應(yīng)該是一個(gè)保留完整證據(jù)鏈的底座，因?yàn)槔斫庖粋�(gè)人，靠的不是摘要，而是細(xì)節(jié)。

QuantaAlpha

QuantaAlpha成立于2025年4月，由來自國內(nèi)外知名院校的老師和學(xué)生組成，使命是探索智能的「量子」，引領(lǐng)智能體研究的「阿爾法」前沿，從CodeAgent到自進(jìn)化智能，再到金融與跨領(lǐng)域?qū)Ｓ弥悄荏w，致力于重塑人工智能的邊界。

2026年，研究團(tuán)隊(duì)將在CodeAgent、DeepResearch、Agent Memory、Agentic Reasoning/Agentic RL、自進(jìn)化與協(xié)同學(xué)習(xí)等方向持續(xù)產(chǎn)出高質(zhì)量研究成果，歡迎對我們方向感興趣的同學(xué)加入我們！

團(tuán)隊(duì)主頁：https://quantaalpha.github.io/

參考資料：

https://arxiv.org/pdf/2601.07023