AI学会自己记重点，效率飙升还省成本

想象你和AI助手一起完成一个10轮的多目标搜索任务：找2026年3篇AI记忆研究的论文，还要整理每篇的核心创新。对话到第5轮，你突然发现AI开始重复问你之前说过的要求，查资料的速度也越来越慢——它的“脑子”被越来越长的历史对话占满了，不仅反应迟钝，还把关键信息忘在了中间。

现在有个方法能让AI自己解决这个问题：它会像人类记笔记那样主动提炼重点，把没用的信息自动删掉，还能通过反馈越记越准。更夸张的是，它完成任务的准确率最高能提升26%，用到的计算资源却能砍掉近7成。这就是MemPO，一个让AI拥有“主动记忆”的新算法。

长程AI的老毛病：越忙越“失忆”

在多轮交互的复杂任务里，AI的记忆一直是个老大难。传统的方法要么是把所有历史对话都塞进“上下文窗口”——就像你把一整本笔记都摊在桌上找东西，找得越久越混乱；要么是用RAG（检索增强生成）从外部数据库里搜相似片段——但这种“找相似”的逻辑经常会带回无关信息，而且AI和记忆库各干各的，没法一起优化。

更头疼的是，就算用强化学习来训练AI，也很难说清“到底哪段记忆帮了忙”。任务结束才给一个“成功/失败”的奖励，AI根本搞不懂是之前记的哪条信息起了作用，下次还是会乱记一通。结果就是上下文越来越长，AI越来越慢，关键信息还经常被漏掉。

举个直观的例子：在10目标的搜索任务里，用传统ReAct方法的AI，每轮都要把所有历史对话带上，到最后token用量会膨胀到初始的3倍，准确率却掉了近40%——这就是“迷失在中间”（Lost in the Middle）效应，AI的注意力被冗余信息稀释，早把最开始的任务要求忘得差不多了。

MemPO的核心：让AI像人一样记笔记

MemPO的思路很简单：把“记笔记”变成AI的一个主动动作，而不是被动的存储。它给AI加了一个<mem>指令，每轮交互后，AI都会主动生成一段记忆摘要——就像你在会议后写的重点笔记，只留对完成任务有用的信息，比如“用户要找2026年的AI记忆论文”，而不是把整个对话都记下来。

关键在于，MemPO给AI的“笔记”设计了双重奖励：

• 轨迹级奖励：看最终任务有没有完成，给一个整体的“对/错”评价，就像老师给作业打总分。
• 记忆级奖励：单独评估每一段笔记的价值——用“给定这段笔记，AI能生成正确答案的概率”来量化，概率越高，奖励越多。

你可以把这个过程想象成：老师不仅给你的作业打总分，还会在你的笔记上批注“这段重点抓得好”“这段没用可以删掉”。AI通过这些细粒度的反馈，就能慢慢学会“什么该记，什么该忘”。

具体来说，MemPO会计算两个关键指标：一是整个任务完成的全局优势，二是每段记忆对任务的贡献度，把两者结合起来指导AI优化记忆内容。这样一来，AI的记忆就不再是杂乱的片段，而是能和任务目标对齐的“有用信息库”。

实验数据：准确率和效率的双重提升

在多目标Web搜索、长文档问答等长程任务的测试里，MemPO的效果超出了预期。对比基础模型，它的F1准确率最高提升了25.98%，对比当前最先进的方法也提升了7.1%；同时token用量直接砍掉了67.58%——相当于之前要写3页纸的内容，现在只需要写1页，还能把任务完成得更好。

更有意思的是，当任务复杂度提升到10个目标时，传统方法的准确率会暴跌，token用量会暴涨3倍，而MemPO的准确率几乎没有下降，token用量只增加了不到50%。这说明它的主动记忆机制真的能有效过滤冗余信息，避免AI“迷失在中间”。

当然，MemPO也不是完美的。它目前主要针对文本类的长程任务，在多模态记忆（比如图片、音频）的处理上还需要进一步优化；而且训练过程需要足够多的任务反馈，在一些数据较少的小众场景里，效果可能会打折扣。

从被动存储到主动记忆，MemPO的本质是让AI的记忆从“工具”变成了“能力”。它不再是一个只会存东西的硬盘，而是能像人类一样提炼、筛选、优化记忆的“大脑”。

这背后其实是AI发展的一个重要趋势：我们不再只追求让AI“知道更多”，而是追求让AI“更会使用自己知道的东西”。毕竟，真正的智能从来不是记住所有信息，而是在需要的时候，能想起最有用的那部分。

记忆的本质不是存储，而是选择。