MemOS: A Memory Operating System for AI System
核心问题
大型语言模型缺乏明确的内存管理系统，阻碍了长上下文推理、持续个性化和知识一致性的发展。现有模型主要依赖静态参数和短寿命的上下文状态。
MemOS 设计
MemOS将内存视为可管理的系统资源，统一表示、调度和演化三种内存类型：
明文内存
Plaintext
激活内存
Activation-based
参数内存
Parameter-level
核心创新
- MemCube: 基本内存单元，包含内容+元数据（来源、版本控制）
- 内存可组合: 跨时间迁移、融合，在不同内存类型间灵活转换
- 桥接检索与参数学习: 连接RAG与微调两种范式
- 状态性: 超越RAG的无状态工作方式，支持生命周期控制
四大挑战解决
- 长程依赖建模: 持久状态维护和结构化上下文保留
- 适应知识演进: 统一版本控制、来源追踪、时间感知
- 个性化与多角色: 跨用户、角色、任务的持久记忆
- 跨平台迁移: 记忆在不同实例间可移植
性能表现
MemOS在所有benchmark中达到最优：
- PreFEval个性化响应率 (0/10 turns)
- PersonaMem精确度
- LongMemEval整体平均分
- LoCoMo LLM judge评分