主动记忆
AI模型在架构或训练阶段内置对长期信息的写入、遗忘和优先级管理机制，而非完全依赖外部检索。
核心事实
时间轴 (近 90 天)
Meta 专门为"代表用户行动的智能体"构建了 Wonder 系列，其中包含主动记忆（Active Memory）和主动专注（Active Focus）两个关键功能。
Muse Wonder聚焦主动记忆（Active Memory）和主动专注（Active Focus）两大功能。
主动记忆指模型能跨对话携带关于用户的关键信息，无需用户每次重新解释背景和偏好。
Meta声称的主动记忆架构是否意味着模型层面的原生支持，目前公开信息尚不充分。
原生主动记忆一般指模型在架构或训练阶段就内置对长期信息的写入、遗忘和优先级管理机制，而非完全依赖外部检索。
主动记忆系统相比被动RAG意味着更高的系统复杂度，需要在信息筛选、存储效率和检索准确性之间做出权衡
主动记忆（proactive memory）范式让系统在对话进行中自主判断哪些内容具有长期价值并持久化，并在回复时主动注入相关历史上下文，无需用户显式触发检索
当新信息与旧记忆冲突时，记忆层必须能够识别并更新，而非固守过时认知
全部知识事实 (7)
当新信息与旧记忆冲突时，记忆层必须能够识别并更新，而非固守过时认知
80%已验证原生主动记忆一般指模型在架构或训练阶段就内置对长期信息的写入、遗忘和优先级管理机制，而非完全依赖外部检索。
65%部分验证Muse Wonder聚焦主动记忆（Active Memory）和主动专注（Active Focus）两大功能。
65%待验证Meta 专门为"代表用户行动的智能体"构建了 Wonder 系列，其中包含主动记忆（Active Memory）和主动专注（Active Focus）两个关键功能。
50%待验证主动记忆指模型能跨对话携带关于用户的关键信息，无需用户每次重新解释背景和偏好。
50%待验证主动记忆系统相比被动RAG意味着更高的系统复杂度，需要在信息筛选、存储效率和检索准确性之间做出权衡
50%待验证主动记忆（proactive memory）范式让系统在对话进行中自主判断哪些内容具有长期价值并持久化，并在回复时主动注入相关历史上下文，无需用户显式触发检索
50%