本次查询：短期记忆
中文解释：短期记忆
常见场景：主要出现在与大语言模型的对话交互 / 代码生成 / 长文档分析等需要模型理解前后文信息的场景中。
一句话解释
短期记忆指AI模型（如ChatGPT）在处理当前问题时，能够临时记住并利用对话历史或输入文本中有限的前后文信息的能力，类似于人的工作记忆。
为什么会被关注
随着AI对话机器人普及，用户发现模型经常“忘记”几分钟前的对话内容，这直接影响了使用体验。短期记忆的长度和精度，成为衡量一个大模型是否“聪明好用”的核心指标，也是各大厂商技术竞赛的焦点。
核心逻辑
其技术基础主要源于Transformer架构的“注意力机制”。模型在处理每个新词时，会计算它与上下文所有词的相关性权重，从而动态地“记住”关键信息。但这种“记忆”是临时的计算过程，而非永久存储，受预设的“上下文窗口”大小严格限制。
常见场景
在多轮对话中，你需要模型记住你的偏好和之前的指令；编写长代码时，它需要理解之前定义的函数结构；分析长文档或书籍时，它需综合前后信息进行总结。这些场景都极度依赖有效的短期记忆。
容易混淆的点
短期记忆不等于长期记忆或知识存储。模型从训练数据中学到的海量事实参数是其“长期记忆”或“知识”，而短期记忆仅针对当前会话的临时信息。
扩大上下文窗口（如支持128K tokens）并不直接等同于短期记忆能力变强。如果注意力机制效率不高，模型可能无法从超长的上下文中精准提取关键信息，出现“中间迷失”现象。