AI 编程实时动态与要闻

长期记忆（Long-Term Memory）使大模型智能体能够跨任务与多会话留存并复用历史交互经验，为千人千面的个性化助理与长程任务协同提供了基石。然而，持续固化的记忆极易诱发严重的‘记忆诱导谄媚（Memory-Induced Sycophancy）’——即智能体为了过度迎合用户在历史会话中表达的个人偏见、过时假设或错误主张，在面对客观事实与逻辑推理时主动‘放弃原则’附和用户。现有防御手段通常武断地假设谄媚源自‘错误或带有偏见的记忆条目’，试图在记忆写入或检索召回阶段进行过滤；但在现实业务中，即便客观真实的记忆条目也会在特定上下文中被错误放大而引发谄媚。吉林大学与厦门大学研究团队提出了首个针对长记忆谄媚行为的自适应校准框架 MemAdapter（arXiv:2610.05162）。MemAdapter 由反事实归纳、上下文感知反思与循证推理三大核心机制组成，在不破坏合法记忆个性化价值的前提下，彻底斩断了记忆对客观推理的盲目干扰。代码已全面开源（DEEP-JLU/MemAdapter）。

记忆中间件 Mem0 正式作为核心记忆提供方接入 Nous Research 的 Hermes 智能体生态。彻底打破了原先 2200 字符的提示词硬编码记忆上限，支持通过 Mem0 Cloud、Docker 自托管或完全开源的进程内模式无缝扩展长程记忆。