香港科技大学AI助手突破记忆瓶颈实现类人记忆功能
当你让手机AI助手处理一个稍复杂的任务，比如“先在淘宝和京东比比AirPods Pro 2的价格，把便宜的那款加购物车，再把链接分享给微信好友”，结果常常令人沮丧。助手可能在第一步查价时表现尚可，但几步之后，它似乎就“忘了”之前看到的信息——明明刚对比过两个平台的价格，转眼就不知道哪个更便宜了。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
这个普遍存在的痛点，引起了一个国际研究团队的注意。该团队由香港科技大学（广州）、香港科技大学、西安交通大学、香港城市大学、悉尼科技大学等多所院校的研究人员组成。他们在2026年3月发表的最新研究中，深入剖析了这一问题的根源，并提出了一种名为“锚定状态记忆”（Anchored State Memory, ASM）的创新解决方案。这项研究已发表在计算机视觉领域的顶级会议上，论文编号为arXiv:2603.18429v1。
不妨想想人类是如何完成这类多步骤任务的。我们的大脑会自动筛选并记住关键信息点：淘宝价、京东价、哪个更低。这些信息如同记忆中的“锚点”，稳固可靠，为后续决策提供依据。反观现有的AI系统，它们在处理长任务时往往陷入两个极端：要么试图事无巨细地记住一切（导致信息过载），要么只保留一个模糊的概要（丢失关键细节）。这两种方式都无法有效支撑复杂的序列决策。
为了系统性地探究这个问题，研究团队首先构建了一个名为“AndroTMem-Bench”的测试基准。这个基准就像一个精心设计的“考场”，包含了1069个需要多步骤操作的手机任务，平均每个任务长达32.1步，最复杂的甚至需要65步。这些任务的核心设计在于，后续步骤的执行严重依赖于前序步骤所获取的信息——例如，必须先完成比价，才能决定将哪个商品加入购物车。
在这个基准上对12个不同的AI系统（包括开源和闭源模型，如谷歌的Gemini和OpenAI的GPT系列）进行评估后，一个清晰的规律浮现出来：所有模型的性能都随着任务步数的增加而显著下滑。关键的是，这种下滑主要并非源于模型“看不懂”当前屏幕或“不知道”该点哪里，而是因为它们无法有效地记住和调用之前步骤中获得的关键信息。
这就像一种特殊的认知障碍：患者能清晰感知当下环境，也知道眼前该做什么动作，却唯独记不住几分钟前发生的、对当前决策至关重要的事情。通过细致分析，研究团队将现有AI在长任务中的缺陷归纳为四种典型的“记忆障碍”：重要信息丢失（如前序步骤查到的价格被遗忘）、信息关联混乱（如将A平台的价格错误地关联到B平台的商品）、上下文漂移（如忘记整个任务流当前所处的阶段），以及进度验证失败（如无法确认某个前置步骤是否已成功执行）。
针对这些痛点，“锚定状态记忆”方案应运而生。其核心思想是让AI模仿人类的记忆模式，即选择性记忆任务流中的关键状态节点，而非全部细节。研究团队定义了六类需要被“锚定”的关键状态：子目标完成（如“已在淘宝查询到价格”）、状态转换（如“已进入支付页面”）、依赖关系（如“此价格将用于后续比较”）、异常处理（如“已关闭弹出广告”）、上下文信息（如“用户指定的联系人是Alice”），以及任务完成（如“商品链接已发送”）。
更为巧妙的是，该系统会主动建立这些锚点状态之间的因果关联网络。这就好比在记忆仓库中为相关的信息点贴上标签并连上线，当AI需要回溯信息以做出决策时，它能迅速定位并提取出相关的历史状态，而无需在庞杂的记忆库中进行低效的全盘搜索。
实验结果表明，这一方法是有效的。在各种测试场景下，采用锚定状态记忆机制的AI系统，其任务成功率比传统方法提升了5%到30%。尤其是在那些需要跨应用协作的复杂任务中，性能提升更为显著。可以说，这相当于给一位容易“断片”的助手配备了一个智能便签本，不仅能记录要点，还能在需要时瞬间找到关联记录。
这项研究的价值超越了单纯的技术指标提升。随着人们对AI助手的依赖日益加深，期望其处理的任务从简单查询扩展到冗长的多步骤操作，这种“记忆能力”的强弱将直接决定用户体验的上限。试想未来，你可以自然地对手机说：“帮我订一张下周末下午2点后去上海的高铁票，如果没票就改查航班，并把最终行程分享给家人。”而AI助手能够稳健地、一步不差地执行到底，中途不再“迷路”或“遗忘”。
当然，这项技术目前仍处于研究阶段，走向大规模商用还需时日。研究团队也客观指出了当前方案的局限：例如，它主要针对单次会话内的任务设计，尚未解决跨越数天或更长时间的任务连续性难题；同时，对于应用界面动态变化或内容实时更新等复杂情况，其鲁棒性也有待进一步验证。尽管如此，这项工作无疑为AI系统的“记忆机制”研究开辟了一个富有前景的新方向，为我们理解和增强AI在长程任务中的执行能力提供了全新的理论框架与实践工具。
从更宏观的视角看，这项研究触及了人工智能发展的一个核心命题：如何让机器具备更接近人类的认知能力。记忆远不止是信息的静态存储，更是智能行为得以涌现和持续的基础。当AI系统学会像人类一样，有选择地记住关键信息，并在恰当的时机灵活调用，它们就在成为真正智能助手的道路上，迈出了坚实的一步。正如研究团队所展望的，他们希望这项工作能为构建可靠、可扩展的长期AI助手奠定基石，让人工智能真正成为我们日常生活中无缝融合、值得信赖的伙伴。
Q&A
Q1：什么是锚定状态记忆技术？
A：锚定状态记忆是由香港科技大学团队提出的一种新型AI记忆机制。它旨在让AI系统模拟人类的记忆模式，在执行长任务时，只主动记住那些关键的状态节点信息（例如查询到的价格、已完成的子目标等），而非尝试记忆全部交互细节。这些关键信息像锚一样被固定在记忆系统中，并通过因果关系相互关联，从而帮助AI在复杂的多步骤决策中保持连贯性和准确性。
Q2：现在的AI手机助手为什么完成不了复杂任务？
A：核心瓶颈在于“记忆障碍”。当任务步骤超过20-30步时，现有AI系统普遍会出现四种典型问题：重要信息丢失（忘记前序结果）、信息关联错误（混淆不同步骤的上下文）、任务目标遗忘（不知道当前步骤的目的），以及进度确认困难（无法判断前置步骤是否成功）。这类似于一种“情境性健忘”，AI能解析当前屏幕，却难以维持对任务历史关键信息的连贯记忆，导致后续决策失去依据。
Q3：锚定状态记忆技术什么时候能用到我们的手机上？
A：目前该技术尚处于学术研究阶段，距离集成到商用手机助手中还需经过进一步的工程化开发和验证。研究团队目前主要完成了技术原理的可行性论证，在实验室环境下将AI长任务成功率提升了5%-30%。但要应对真实世界的复杂场景（如跨天任务、应用界面频繁更新等），仍需解决一系列实际问题。预计相关技术的初步应用可能会在未来几年内逐步出现。
相关攻略
当你让手机AI助手处理一个稍复杂的任务，比如“先在淘宝和京东比比AirPods Pro 2的价格，把便宜的那款加购物车，再把链接分享给微信好友”，结果常常令人沮丧。助手可能在第一步查价时表现尚可，但几步之后，它似乎就“忘了”之前看到的信息——明明刚对比过两个平台的价格，转眼就不知道哪个更便宜了。 这
利用OCR技术可在手机上快速识别身份证、驾驶证等证件信息。主要方法包括：集成百度智能云OCR移动端SDK至自有应用，支持离线高速识别；使用百度APP内置拍照识图功能，便捷获取并复制关键信息；调用百度AI开放平台HTTPAPI，实现多终端统一云端处理；或通过百度“一念智能创作平台”可视化界面，轻松上传识别并。
手机AI识别乐谱本质是视觉翻译，效果不佳常因图像质量或操作流程问题。需确保光线均匀、垂直拍摄乐谱并完整取景。通过百度App“AI扫一扫”的文档识别模式触发解析，或使用文心一言V3 5图像功能补充细节。若遇复杂乐谱，可借助第三方专业工具交叉验证以确保准确性。
遇到百度AI手机识别商品条码失败的情况，先别急着下结论。这通常不是功能本身的问题，而可能是图像质量、调用方式或环境因素导致的。条码识别看似简单，实则对图像清晰度、光照和角度都有一定要求。不过别担心，条码识别不成功，我们至少有五种可靠的替代或解决方案，总有一种能帮你拿到想要的商品信息。 一、通过百度A
掌握连续提问技巧可提升百度AI手机端回答质量。首次提问宜用“背景+任务+要求+补充”结构建立清晰框架；后续追问可针对答案类型细化，如选择最佳选项、转化抽象建议为具体步骤等。为增强专业性，可为AI指定领域角色并重申关键约束，同时保持对话记忆功能开启以确保上下文连贯。还可引入时。
热门专题
热门推荐
进入2026年，加密货币市场的格局与安全标准已悄然进化。对于投资者而言，选择一个安全可靠的交易平台，其重要性丝毫不亚于挑选资产本身。毕竟，资产增值的前提，是它们得安然无恙地躺在你的账户里。今天，我们就来盘一盘当前市场上主流的虚拟资产交易所，从风控能力、资产储备与市场口碑等多个维度，做一次深入的“避雷
本文梳理了2026年备受关注的数字资产交易平台，从安全性、功能特色与用户体验等维度进行分析。重点探讨了主流合规平台在资产托管、交易深度上的优势，以及新兴聚合器在提升交易效率方面的创新。同时，也指出了选择平台时需关注的风险控制与合规性，为不同需求的用户提供参考方向。
本文汇总了2026年主流的数字资产交易平台，从安全性、功能特色、用户体验及合规性等维度进行分析。内容涵盖适合新手的综合性应用、面向专业交易者的工具型软件，以及注重资产安全的托管方案，旨在为用户选择合适平台提供客观参考，并提醒注意市场风险与自我资产保护。
本文梳理了2026年主流的数字资产交易平台，从安全性、交易体验、功能特色等维度进行分析。重点介绍了综合型头部平台、专注创新的新兴应用以及面向特定需求的专业工具，旨在为用户提供客观参考，帮助其根据自身情况选择合适的软件进行下载与使用。
本文探讨了2026年数字货币交易软件的选择标准，并列举了十款主流应用。内容涵盖安全性、交易对、用户体验及费用等核心考量维度，分析了不同平台在现货、合约及DeFi集成等方面的特色，旨在为不同层级的用户提供实用参考，帮助其根据自身需求做出合适选择。