RSI三块关键拼图，MemT 1.0从模型层补上“记忆”

AI领域近期高度聚焦于三个字母：RSI。

Hinton的RSI论文列出的22位署名作者中，包括了Bengio、OpenAI首席科学家Pachocki、Anthropic联合创始人Jack Clark等人，几乎涵盖了AI领域的核心力量。

在业界关注AI自我改进的同时，一个更根本的问题逐渐显现：

一次改进如何成为下一次改进的基础？

有效的方法需要被保存，走过的弯路也需要被识别，承担这一任务的实际上是记忆。

常规做法很简单：为AI直接外接一个经验库，操作方法、历史教训等都能被保存和检索。

记忆张量在这方面的探索则给出了一种截然不同的方案——记忆原生。

什么是记忆原生？就是将经验的保留、更新和调用，转化为模型可学习的能力。

当记忆在模型中扎根，便形成了记忆原生模型。

其最新开源的MemT 1.0系列提供了一条较为具体的路径：

它将经验编码为内部动态状态，通过训练学习如何写入、更新和读取，最终让这些状态通过记忆分支参与后续计算。

与外部记忆相比，它不仅能力未打折扣，未来拓展的上限也更高。

这也是记忆原生模型首次实现近300B参数规模的工程验证。

（论文地址：https://arxiv.org/abs/2610.26825）

记忆虽然无形，却成为模型成长的根基。

从早期要求模型记住信息，到善用经验，模型对记忆的需求不断升级，使记忆逐步从幕后走向台前。

将记忆融入模型

MemT 1.0此次直接推出了两个版本：

MemT-1.0-Nano总计36B参数、激活3B，基座采用“源神”Qwen3.6-35B-A3B；MemT-1.0-Flash则规模更大，高达288B参数、激活17B，基座是经过进一步后训练的DeepSeek-V4-Flash。

它们的共同变化是，在选定的Transformer模块中增加了一条与原有注意力并行的记忆计算通路。

以简单例子说明。

面对一个新任务时，外部记忆的做法是将记忆原文、检索证据乃至抽象方法放回上下文，让模型复用经验。

其中检索与整理过程也可引入学习机制。

而MemT 1.0这类记忆原生模型则选择深入模型内部：

经验经过编码，成为可更新的矩阵状态；模型生成答案或动作时，通过专门的记忆分支读取状态，读出结果与原有注意力输出融合，影响后续生成。

区别在于经验如何表示，以及它通过什么计算过程发挥作用。

这样做的好处是让读写参与训练，能带来更顺畅的方法复用，但代价是如需精确删除、解释与恢复，则需要额外机制。

外部文本更便于检查和溯源，二者目前各有优劣。

要看出差异，还需观察模型在运用经验后的实际表现。

先看一个程序员熟悉的场景：改代码。

接Bug→定位代码→动手修改，通常是这个流程。但如果一开始问题未复现、边界条件未确认，修改可能反而漏洞百出，问题会延续下去。

以SWE-bench Verified为例，其中一项涉及Django的parse_http_date函数，需要修复两位数年份的解析逻辑。

研究团队比较了无经验、文本经验和记忆原生三种设置下的执行轨迹。

没有经验时，Agent找到Bug后很快开始修改解析逻辑，后续步骤中才出现定向复现与验证。有经验的两组则先构建复现测试，再修改代码。

其中，MemT-1.0-Nano在初次修改后重新检查了一项边界条件，修正实现并做了额外验证。

可以看出，经验改变了行动顺序，也参与了任务内的检查与修正。

在更大样本上对比，在500项SWE-bench Verified任务中，每项独立运行三次，MemT-1.0-Nano在关键断点的平均成功率为69.73％，无经验基线为66.07％，文本经验组为69.13％。

三次全部成功的任务比例，从无经验时的54.00％提高到62.80％，文本经验组为61.80％。

再看SWE-bench Multilingual任务中，同一触发设置下，原生记忆组平均成功率为63.56％，无经验组为60.00％，文本经验组为63.00％。

这些程序性经验能通过记忆原生得以保留，表现与显式文本经验接近，优势更多体现在平均成功率和重复执行的可靠性上。

再直观一些，看一段像素风格的迷宫探索演示。

同一个迷宫，同样的移动速度，左边是没有记忆原生的Agent，右边是具备记忆原生的MemT 1.0。

第一轮，两边都需要探索未知路线，也都会走进死胡同。

区别出现在本轮结束后：成功路线和需避开的岔路被整理归档，并加载到MemT 1.0的记忆中，为下一轮探索提供参考。

到了第二轮，同样从起点出发，左边仍在岔路上重复试探，右边则借助上一轮经验，避开已走过的死胡同，沿有效路线抵达终点。

上一轮走出的路直接影响下一轮怎么走，这就是记忆原生的价值体现。

再来看一个更接近日常办公的信息更新场景。

展览原定周六下午3点，后来正式改到周日下午4点。之后又有人建议改到周一，但尚未确定。

这种反复变化的信息增量对AI来说很棘手。

它不仅要记住最后出现的日期，还需区分正式决定与随口建议，并保留未变的内容。

实验在多轮对话后，MemT-1.0-Nano仍然成功理解，回答出了原定时间、正式修改后的时间，并确认其他安排无变化。

在11项记忆基准的综合评估中，Flash和Nano的表现同样突出。

平均得分分别为50.6和47.0，位列参与评估的参数化记忆方法前两名，相比其他模型有显著领先。

不过，文本记忆系统整体仍有优势，尤其在长历史细节召回方面。

MemT 1.0目前只是记忆原生新思路的初步计算实现，但实际效果已能与文本记忆比肩，未来发展潜力巨大。

记忆原生，原生在哪里？

那么问题来了，经验未留在任务上下文中，模型又如何利用它？

这正是MemT 1.0的架构重点。

MemT 1.0提供的原生路径是，先将相关经验编码为内部动态状态。生成后续动作时，当前查询通过专门的记忆分支读取该状态，再将结果与原有注意力输出融合。

在具体参数化实现中，MemT 1.0保留基座的原有计算流程，在选定的Transformer模块中加入原生记忆分支，包括三层：

• 主干权重：承载模型已有的通用能力，并在训练记忆时保持冻结；
• 超记忆：读写投影、门控等可训练参数决定如何编码、更新和读取记忆；
• 局部记忆：动态矩阵状态保存交互中新加入的信息。

这样区分后，模型不仅能携带新经历，也无需每次微调整个主干，只有对应任务轨迹的动态状态发生变化。

这套机制的读写也很有讲究。

写入时，隐状态经过投影，生成记忆的键值；擦除、写入和遗忘门控共同调节已有矩阵中的关联；读取时，当前输入被映射为记忆查询，读出相关信息，再经归一化和输出门控参与后续生成。

更新机制采用基于Gated DeltaNet-2的逐Token生成，并做了稳定化处理。

（小道消息：Gated DeltaNet-2的作者也参与了相关讨论）

它在每一轮结束后触发，通过门控调整已有记忆关联，轮内则按Token顺序调整状态。

消融实验证明了这一点，将逐Token更新换成整轮聚合后，Nano的记忆基准平均分从约47.0降到了41.0。

六分的差距足以说明连续的Token级更新能更好地处理记忆衰减，并及时修正轮内关联。

但当记忆内容不断扩充，模型容量不足时怎么办？

MemT 1.0依托MoE，提出了MoS（Mixture-of-Storage）解决方案。

MoS将一个记忆原生模块扩展为多个记忆专家，再分别学习存储与使用路由。它采用稠密融合，所有记忆专家都参与计算，路由权重决定各自贡献。

这与基座MoE的稀疏专家路由明显不同。

不过，结构只是起点。

为了让模型真正学会使用这条通路，团队构建了340亿Token的记忆训练语料，包括继续预训练200亿，后训练140亿。

继续预训练的格式统一，先将长文本切成连续片段写进记忆，再让模型拿着记忆状态回答查询。

每处理完一个片段，模型更新状态，供下一段使用。

后训练进一步对齐任务结果，数据包括三类：记忆原生的语言建模数据、记忆存储与利用数据（如摘要、续写、压缩等），以及专门强化长程记忆的任务数据。

值得一提的是，此前冻结的主干会充当教师模型，看到完整历史信息；MemT 1.0作为学生，只能看到自己的记忆状态，再通过off-policy蒸馏让学生对齐教师分布。

综合来看，记忆原生的重点逐渐清晰，将历史编码为状态只是第一步，如何保留、更新和读取才构成记忆原生模型的全部。

这条路径的价值还需结合经验复用效果、资源开销和长期运行条件来综合判断。

从持续学习到RSI，记忆打开能力增长空间

那么有人可能会问，为什么要用记忆原生？

现有的外部记忆方案已很成熟，也有不错的实践案例，相比之下，记忆原生才刚起步，效果也相差不大。

并非如此！记忆原生有一个独到之处：

它让经验的表示与读写本身，成为模型能力扩展的对象，即MemT团队讨论的Memory Scaling，在推理增长之外，找到模型性能增长的第三条曲线。

原来的经验是否有用，可看检索后能否改善任务结果；到了MemT 1.0这里，还可进一步追问：同样的经历，换一种内部表示、更新规则和读取方式，能否用得更好？

这让提升记忆效果多了一组可通过训练和架构设计调整的变量。

诚然，这远不能证明原生记忆的长期上限高于外部记忆，但围绕内部状态的训练与容量扩展，可带来进一步的能力收益。

下一步是验证这些收益能否跨出当前训练分布，在更长交互和新任务中保持。

回到开头的RSI。

一旦打通了记忆原生，对持续学习和RSI的突破也大有裨益。

众所周知，RSI有三块拼图，包括记忆、反馈、验证与更新机制，其中记忆让有效结果延续，后两者帮助判断哪些改变值得进入下一轮。

在NBA防守分析中，记忆同样关键，它确保有效策略能被保留和复用。MemT 1.0目前探索的正是经验承接与复用这一步，它验证了经验能通过原生记忆指导行动，从模型层面补上了第一块，也是最重要的一块。

如果再往前走，局部记忆中积累的经验可能通过后续训练沉淀到超记忆参数，再反过来改善模型管理记忆的方法。

一旦这个环节成立，通过记录下来的结果和方法，系统或许可实现跨任务的智能爆炸，即RSI的终极目标。

这些还只是理论层面的收益，在应用侧，记忆原生也更有利于企业完成经验积累。

当前行业谈到企业AI，考虑最多的还是早期部署阶段的内容，如模型是否好用、能做到哪一步。

这固然没错，但企业使用后，经验积累的重要性才会显现。

因为企业长期使用还涉及项目规则、操作顺序和验证方法。如果每换一项任务，都得重新交代同类约束、重复经历同类失败，前一次投入就很难充分转化为后续收益。

因此，对于重复的工作流，经过验证的经验能复用多少次，应与模型单次表现一起进入企业AI选型标准。

记忆原生为此提供了模型侧的承载机制。

在同样的128K长历史下，Nano的端到端推理速度约为完整上下文方案的1.86倍，相同历史长度中，每条轨迹的持久状态占用是完整上下文KV Cache的六十六分之一。

翻译一下，这是立竿见影的成本控制效果。

长期会话的状态预算更容易估算，多个查询还可复用已构建的状态，分摊准备开销。

但需要说明的是，并非记忆原生的任务质量一定优于外部记忆，但在近似质量的情况下，它更有可能通过底层的经验复用稳步减少返工，这部分收益对企业运维来说是实实在在的。

换言之，记忆原生和外部记忆并非非此即彼的敌对关系，二者协作分工，或许能产生更大的额外收益。

对精确原文、来源或版本的查询，外部记录仍有价值；针对后续执行的经验调用，可继续检验原生机制的作用。

但无论如何，当有效进步能够留下，并在新任务中反复经受验证，持续自我改进才有了可积累的起点。

通过完整的分层记忆管理和调度，即可实现全局的读写效率最优，而今天，记忆原生模型的发布，已让这种工程化部署和实现成为可能。

记忆在推动持续自我改进方面的价值，也将在这样的长期验证中逐渐显现。

本文来自微信公众号 “量子位”（ID：QbitAI），作者：关注前沿科技，36氪经授权发布。