人工智慧基礎架構公司EverMind推出EverMemOS，應對人工智慧的深層挑戰

(SeaPRwire) –   加利福尼亞州聖馬刁, 2025年12月12日 — AI基礎設施公司近日推出了EverMemOS，這是一款開源記憶操作系統，旨在應對人工智慧面臨的最深刻挑戰之一：為機器配備可擴展的長期記憶。

記憶瓶頸

多年來，大型語言模型（LLMs）一直受困於固定上下文窗口，這一限制導致長期任務中出現“忘記”現象。這會導致上下文斷裂、事實不一致，並無法實現深度個性化或維持知識一致性。該問題不僅限於技術障礙，它代表了人工智慧的進化瓶頸。沒有記憶的實體無法表現出行為一致性或主動性，更不用說實現自我進化了。個性化、一致性和主動性被視為智慧的標誌，均依賴於強大的記憶系統。

人們普遍認為，記憶正在成為未來人工智慧的核心競爭力和界定邊界。然而，現有的解決方案，如檢索增強生成（RAG）和碎片化記憶系統，範圍仍有限，無法同時支持一對一伴侶用例和複雜的多代理企業合作。很少有解決方案能滿足廣泛採用所需的精度、速度、可用性和適應性標準。為大型模型配備高性能、可插拔的記憶模組仍是人工智慧應用中未滿足的核心需求。

探索性智慧

“探索性智慧”是企業家兼慈善家陳天橋在2025年末提出的概念。與通過處理現有數據模擬人類輸出的生成式人工智慧不同，探索性智慧描述了一種先進的人工智慧形式，它主動提問、形成可測試的假設並發現新的科學原理。它優先理解因果關係和基本原理而非統計模式，陳認為這種轉變對於實現通用人工智慧（AGI）至關重要。

陳對比了兩種主要的人工智慧發展路徑：依賴擴大參數、數據和計算能力在搜索空間內外推的“擴展路徑”，以及關注智慧的“認知解剖學”和系統隨時間運作方式的“結構路徑”。

探索性智慧屬於後者，基於受大腦啟發的結構化時間智慧（STI）模型，該模型需要五個核心能力形成閉環：神經動力學（持續的、自我組織的活動以保持系統“存活”）、長期記憶（存儲並有選擇地忘記經驗以積累知識）、因果推理（推斷事件發生的“原因”）、世界建模（對現實的內部模擬用於預測）和元認知與內在動機（好奇心驅動的探索，而非僅外部獎勵）。

在這些能力中，長期記憶是時間與智慧之間的關鍵連接，突出了其在實現真正通用人工智慧道路上不可或缺的作用。

EverMind的解答

EverMemOS是EverMind對此需求的回應：一款開源記憶操作系統，作為探索性智慧的基礎技術設計。受人類記憶系統層次結構的啟發，EverMemOS具有類似大腦關鍵區域的四層架構：代理層（任務規劃，模擬額葉皮層）、記憶層（長期存儲，類似皮層網絡）、索引層（關聯檢索，汲取海馬體）和API/MCP接口層（外部集成，作為人工智慧的“感覺接口”）。

該系統在場景覆蓋和技術性能上均實現了突破。它是第一個能夠同時支持一對一對話用例和複雜多代理企業合作的記憶系統。在技術基準測試中，EverMemOS在LoCoMo（長上下文記憶評估）上取得了92.3%的精度，在LongMemEval-S（評估長期記憶保持的套件）上取得了82%的精度，顯著超過了先前的最先進結果，樹立了新的行業標準。

EverMemOS的開源版本現已提供，雲服務版本將於今年晚些時候推出。雙軌模式結合開放合作與管理雲服務，旨在推動長期記憶技術的行業進化，邀請開發者、企業和研究人員參與並受益於該系統。

關於EverMind

EverMind通過解決人工智慧最根本的限制之一：長期記憶，重新定義人工智慧的未來。其旗艦平台EverMemOS引入了可擴展和可定制記憶系統的突破性架構，使人工智慧能夠在擴展上下文中運作，保持行為一致性，並通過持續交互改進。

欲了解更多關於EverMind和EverMemOS的資訊，請訪問：

Website:
GitHub:
X:
Reddit:  

來源：EverMind