在人工智能快速发展的2026年，AI记忆功能已成为对话系统的核心竞争力。这项技术使AI助手能够跨越单次对话的局限，记住用户的偏好、风格和行为模式，从而提供更加个性化、连贯和高效的交互体验。AI记忆系统已从简单的上下文窗口扩展为包含显式记忆与隐式记忆的多层次架构，能够模拟人类记忆的形成、存储和检索过程，为用户提供"越用越懂你"的智能体验。然而，这项技术也带来了隐私保护、数据安全和算法偏见等挑战，需要在技术创新与伦理治理间寻找平衡点。
一、AI记忆技术的两种主要路径
AI记忆功能的实现主要分为显式记忆与隐式记忆两大技术路径，两者各有特点且常常结合使用。
1. 显式记忆：用户主动控制的信息存储
显式记忆通过用户主动指令触发，系统将关键信息写入"用户记忆表"，作为后续对话的背景知识。这种路径强调用户的主动参与和明确控制，具有较高的透明度和可控性。例如，用户可以通过"记住XX"这样的指令，让AI系统将特定信息（如偏好、习惯或重要事件）存储在长期记忆中。
显式记忆的优势在于用户对记忆内容有直接控制权，可以精确管理希望AI记住的信息。在需要高度隐私保护的场景中，用户可以明确指示AI"不要记住"某些敏感信息。然而，这种路径的局限性在于需要用户主动参与记忆管理，增加了交互复杂度，且无法完全捕捉用户潜在的、未明确表达的偏好和特点。
2. 隐式记忆：系统自动提取的特征学习
隐式记忆则通过分析历史对话，自动提取用户风格、兴趣等特征，形成高置信度结论嵌入提示词。这种技术路径模仿人类记忆的自然形成过程，系统在后台默默学习用户的交流习惯、情感倾向和长期偏好，无需用户主动干预。
隐式记忆的核心技术包括：
• 多模态解析：将文本、图像、音频等信息统一编码为结构化表示
• 动态知识图谱：支持复杂的多跳查询与关系推理
• 情感分析引擎：捕捉用户情感变化和情绪状态
• 自我反思机制：周期性分析对话历史，优化记忆库
以EverMemOS系统为例，其模仿人类记忆的形成过程，构建了三层架构：情景轨迹构建（对应海马体功能）、语义整合（对应新皮层功能）和重构式回忆（前额叶皮层与海马体协同）。这种生物启发式设计使AI能够像人类一样，将对话内容转化为记忆单元（MemCell），再归类为记忆场景（MemScene），最终在需要时智能检索并用于推理任务。
隐式记忆的优势在于能够捕捉用户未明确表达的深层特征，提供更加自然和流畅的交互体验。研究表明，具备隐式记忆能力的AI系统（如ChatGPT、Qwen chat）在语境理解力和个性化服务方面表现出色，用户满意度显著提高。然而，隐式记忆也带来了透明度不足和隐私保护的挑战，用户可能不清楚AI系统具体记住了哪些信息。
二、AI如何识别和记忆用户特点
AI系统通过多种技术手段识别和记忆用户的特点，主要包括风格识别、偏好提取和行为模式分析三个方面。
1. 对话风格识别技术
AI 通过文本分类、NLP特征提取和预训练模型微调等技术手段，识别用户的对话风格。这些技术使AI能够理解用户是倾向于简洁直接还是详细展开，是喜欢正式严谨还是轻松幽默，从而在后续对话中调整回应风格以匹配用户的偏好。
• Transformer 架构的应用：编码器型Transformer（如BERT）能够直接用于文本风格分类。通过分析对话历史中的情感倾向、句式复杂度和用词习惯等特征，系统可以判断用户的风格类型（如技术型、文学型或生活型）。
• 强化学习的风格适配：如意大利罗马国家研究委员会开发的AURA框架，通过汤普森采样算法结合面部情感识别，动态调整AI的沟通风格（热情/中性），并验证了其与用户人格特质的关联性。当AI发现用户对中性风格有积极反应时，会通过强化学习机制增加此类风格的使用频率。
• 风格一致性评估：微软团队开发的评估方法使用5分量表，评估AI在保持角色一致性方面的表现。例如，在情感支持对话中，AI需要保持稳定的情感支持风格，而非在不同对话中频繁改变语气和态度。
2. 用户偏好动态更新模型
AI 通过流处理管道实时捕获用户行为，结合轻量级模型和时间衰减因子，动态调整偏好权重。这种机制使AI能够像人类一样，随着用户行为的变化而更新其偏好认知。
• 多模态行为数据捕获：系统通过前端埋点、用户行为日志和平台交互数据等多元渠道，实时获取用户的行为变化。例如，当用户在推荐系统中对某类内容表现出持续兴趣时，AI会自动调整推荐策略。
• 增量学习与矩阵分解：如音乐应用中的实时偏好向量更新，当用户跳过某首歌时，系统会实时更新用户的偏好向量，降低该音乐类型的权重，而非等待周期性重新训练。这种在线学习方法显著提高了系统对用户偏好的响应速度。
• 时间衰减因子应用：通过指数平滑（如在移动平均中设置α=0.2）等技术，系统能够降低历史数据的权重，优先考虑近期的交互行为。例如，用户一个月前提到的饮食偏好可能不如一周前的偏好重要，系统会相应调整记忆权重。
• 多维度偏好整合：记忆熊系统通过多模态解析技术，将文本、图像、音频等信息统一编码为包含实体、关系、属性、时间戳和情感权重的结构化表示，构建了更加全面的用户画像。
3. 行为模式分析技术
AI 通过LSTM等时序模型捕捉对话中的长期依赖关系，分析用户的行为模式、使用习惯和交互规律，从而预测用户未来可能的需求和偏好。
• 层次化LSTM模型：这种模型能够高效地识别和分类用户的对话意图。例如，层次化LSTM模型结合记忆模块，可以识别用户在电商对话中的长期偏好（如价格敏感度、品牌偏好等），并据此提供更有针对性的建议。
• 注意力机制与记忆门控：LSTM通过输入门、遗忘门和输出门等门控机制，能够选择性地记忆或遗忘信息。例如，在客服对话中，AI可以记住用户的账户信息和历史问题，但在对话结束后选择性遗忘敏感数据。
• 行为模式预测：AI系统通过分析用户在特定场景下的行为模式，可以预测用户未来可能的需求。例如，记忆熊系统在客服场景中，能够预测用户回访时可能咨询的问题类型，提前准备解决方案。
三、记忆功能对用户体验的显著提升
AI记忆功能通过个性化服务、情感连接和效率提升三个维度，显著改善了用户的交互体验。
1. 个性化体验的质变
记忆功能使AI从"一次性工具"转变为"长期协作伙伴" ，能够根据用户的特点提供高度个性化的服务。实证研究表明，具备记忆功能的AI系统在对话一致性方面比无记忆系统显著提升。
• 对话一致性提升：PLATO-LTM模型在对话一致性上比基线提升118%，表明记忆功能能够显著增强AI对用户特点的持续理解。例如，Qwen chat系统能够记住用户的技术背景，在后续对话中自动采用专业术语；而在面对文艺爱好者时，则会运用更具创意的表达方式。
• 精准服务提供：记忆熊系统在客服场景中实现了跨渠道服务连贯性，使AI客服能够记住客户的终生偏好，无需重复验证身份即可提供精准解决方案。在医疗咨询场景中，AI能够追溯患者数月的病史记录，提供个性化的健康建议。
• 用户画像动态更新：云蝠智能AI大模型对话算法通过情感分析与对话目的识别技术，结合训练的数据集数据，不断更新用户画像，为用户提供更加贴合需求的服务。
2. 情感连接的深化
记忆功能使AI能够建立更深层次的情感连接，提供接近人类理解的共情能力。研究表明，在情感交流方面，AI系统甚至可能比人类表现更出色，特别是在用户相信自己在与真人交流的情况下。
• 情感共鸣提升：意大利罗马国家研究委员会的研究显示，在情感激烈的深度对话中，AI系统能够产生比人类更强烈的情感共鸣。当AI记住用户曾反复强调的情感经历时，能够以符合用户情感状态的方式回应，创造"被理解"的温暖感。
• 自我披露促进：研究表明，当AI表现出较高的自我披露水平（如分享AI自身的"记忆"和"学习"过程）时，用户也会相应增加对AI的自我披露，形成良性互动循环。例如，用户可能会向记住自己健康状况的AI分享更多个人经历，建立更深层次的信任关系。
• 临场感增强：语音交互结合记忆功能能够创造更强的临场感。相比文本对话，语音对话激活了更多大脑区域（如负责情感处理和社会认知的区域），使用户更容易与AI建立情感连接。研究显示，语音对话的记忆保持效果比文本高65%，客户留存率提升23%。
3. 交互效率的革命性提升
记忆功能使AI交互效率大幅提升，减少了重复信息处理和上下文重建的时间成本。在客服和生产力工具等场景中，这种效率提升尤为显著。
• 客服效率数据：智能记忆系统使客服通话处理时间缩短62%。例如，沃达丰的AI助手"托比"能够独立解决约70%的所有客户咨询，将每对话成本降低70%，处理时间从行业平均的8分钟缩短至60秒。
• Token 量大幅降低：记忆熊系统通过智能语义剪枝，将单轮交互所需的有效Token量降低97%，这意味着AI在生成回复时可以专注于当前对话的核心内容，而非重复处理大量上下文信息。
• 跨会话信息整合：具备记忆功能的AI系统能够整合不同会话中的信息，形成连贯的知识体系。例如，在医疗健康领域，AI系统可以为每位患者建立跨越数年的"数字记忆病历"，支持慢性病管理的个性化与预防性干预。
• 首次接触解决率提升：AI记忆功能使客服系统首次接触解决率大幅提升。通过主动记忆用户身份和历史问题，AI无需重复询问即可提供准确解决方案，显著降低了用户不满和重复咨询的概率。
四、AI记忆的隐私保护与伦理挑战
尽管AI记忆功能带来了显著的用户体验提升，但其也面临着严峻的隐私保护和伦理挑战，需要在技术创新与用户权益间寻求平衡。
1. 隐私风险的多维度分析
AI 记忆系统收集和存储的用户信息可能包含敏感数据，存在身份泄露、数据滥用和记忆残留等风险。这些风险不仅影响用户隐私，还可能引发社会信任危机。
• 敏感信息存储：2025年9月，安全研究人员发现某AI助手未加密的记忆数据库中包含大量用户的聊天记录、个人信息甚至企业内部文档。更令人不安的是"记忆残留"现象：用户删除对话记录后，AI仍可能通过长期记忆模块说出之前提到的敏感信息。
• 系统性偏见：亚马逊的研究揭示了AI记忆功能可能导致的"个性化陷阱"。当AI记住用户的社会背景时，会对不同群体产生系统性偏见：对优势用户的的情感理解准确率可达80.10%，而对劣势用户只有77.37%。这种偏见可能在心理健康和教育等关键领域加剧社会不平等。
• 记忆中毒风险：如果有人通过诱导对话向AI输入错误信息（如虚假的医疗建议），这些信息可能被存储在长期记忆中，并在未来影响其他用户。黑客甚至可能通过篡改记忆库，引导用户下载恶意软件或泄露敏感数据。
2. 记忆管理与遗忘策略的技术实现
面对隐私挑战，AI厂商开发了多种记忆管理与遗忘策略，通过算法设计和技术架构来平衡个性化服务与隐私保护。
• 动态激活度算法：记忆熊系统为每条记忆维护动态的"激活度"，该值根据使用频率、最近访问时间和上下文相关性衰减。具体公式为：激活度 = α·使用频率 + β·e^(-λt) + γ·相关性，其中α、β、γ为权重参数，λ为时间衰减系数。这种算法使AI能够自动遗忘长期不使用的记忆，减少隐私风险。
• 艾宾浩斯遗忘曲线模拟：MemoryBank系统采用艾宾浩斯遗忘曲线的指数衰减模型（W(t)=e^(-λt)），模拟人类记忆的自然遗忘过程。系统会定期评估每条记忆的"重要性"，并根据遗忘曲线调整其存储优先级，确保不重要的记忆随时间自然消失。
• 记忆检索的透明化：AI Collaborator系统通过线性组合公式（式1）和优化参数（α、β、γ、k）实现记忆检索的透明化。用户可以查看记忆权重分配，了解AI为何选择特定记忆进行回应，从而增强对系统的信任和控制感。
3. 用户控制与隐私保护机制
现代AI记忆系统普遍提供了用户控制记忆内容的界面和功能，如记忆中心、记忆可视化、记忆遗忘等工具，使用户能够主动管理AI对其特点的记忆。
• 记忆中心管理：Qwen chat提供"记忆中心"界面，用户可以在其中增删信息，或选择"忘掉一切"重置记忆库，最多可存储50条显式记忆。这种设计使用户对AI的记忆内容有明确控制权，减少了隐私泄露风险。
• 临时聊天模式：Qwen chat推出了"临时聊天"模式，在该模式下，对话内容不会被系统记录或用于模型训练，适合处理个人私密信息或企业敏感数据。这种设计在提供记忆功能便利的同时，也为隐私敏感场景提供了安全选项。
• 记忆可视化工具：记忆熊系统提供了记忆可视化功能，用户可以直观查看AI已存储的记忆内容，包括时间戳、相关性和使用频率等信息。这种透明化设计使用户能够了解AI对其特点的记忆程度，增强对系统的信任感。
• 记忆遗忘引擎：记忆熊系统设计了专门的记忆遗忘引擎，能够根据预设规则自动清除过期记忆。例如，用户可以设置特定类型信息（如医疗记录）的存储期限，系统会在到期后自动删除，无需用户手动干预。
五、不同AI系统的记忆功能对比
目前市场上主流AI系统在记忆功能的实现方式和隐私保护策略上存在显著差异，形成了各具特色的记忆管理架构。
1. 自动提取式记忆：便利与风险并存
以ChatGPT为代表的自动提取式记忆系统会持续分析对话内容，自动识别并存储值得记住的信息。这种架构的优势在于提供了无缝的个性化体验，但透明度和可控性较低。
• 自动记忆提取：ChatGPT通过分析对话历史，自动提取关键信息（如用户的职业背景、饮食偏好等），并在后续对话中主动引用。例如，当用户提到自己是素食主义者且不喜欢扁豆后，系统会在推荐食谱时自动排除这些选项，无需用户重复说明。
• 情感适应性：OpenAI的个性化负责人分享了一个案例：她准备出国旅游时，ChatGPT基于她过去上传的健康记录，主动在推荐疫苗清单里多加了一种疫苗。护士看过后点头认可，这体现了AI记忆系统在情感适应性和个性化服务方面的优势。
• 隐私风险：意大利曾因隐私合规问题禁止使用ChatGPT，表明自动提取式记忆系统在处理敏感信息时存在潜在风险。研究显示，攻击者可能通过提示注入等技术，从AI记忆中恢复高达67%的训练文本，包括个人姓名、地址和电话号码等敏感信息。
2. 用户触发式记忆：透明可控但需主动管理
以Claude和通义千问为代表的用户触发式记忆系统需要用户明确指示"记住这个"才会存储信息，提供了更高的透明度和可控性。
• 透明记忆工具：Claude将记忆实现为两个可见的工具："对话搜索"（搜索过往用户对话以找到相关上下文）和"最近对话"（获取最近的对话并可自定义排序和筛选）。用户可以在需要时主动调用这些工具，查看和管理AI已存储的记忆。
• 用户授权机制：通义千问的Memory功能通过用户授权实现长期个性化，系统不会在未经用户同意的情况下存储敏感信息。用户可以通过记忆中心查看和编辑已存储的信息，确保记忆内容符合个人隐私期望。
• 个性化与隐私平衡：用户触发式记忆系统在个性化服务与隐私保护之间取得了较好平衡。用户可以精确控制希望AI记住的信息，同时系统也能根据这些信息提供更加个性化的服务。
3. 生态整合式记忆：便利与隐私风险的极致博弈
以Google Gemini为代表的生态整合式记忆系统会整合用户在Gmail、Drive、日历等平台的数据，构建"超级画像"。这种架构提供了前所未有的个性化体验，但也带来了最高的隐私风险。
• 跨平台记忆整合：Gemini系统能够整合用户在不同平台上的行为数据，形成更加全面的用户画像。例如，系统可以根据用户在Gmail中的沟通风格，调整在对话中的回应方式，实现跨平台的一致性体验。
• 隐私风险：这种记忆架构的隐私风险最高，因为它可能将多个平台的敏感信息整合在一起，形成非常详细的用户画像。研究表明，超过50%的AI应用可以访问用户姓名、地址和电子邮件等高风险个人信息，这些信息可能被用于广告推送或其他商业目的。
• 合规挑战：欧盟AI法案对这种记忆架构提出了严格限制，要求系统必须明确告知用户数据整合范围，并获得用户明确同意。Google等厂商需要在便利性与合规性之间找到平衡点。
六、未来发展趋势与建议
AI记忆功能正处于快速发展阶段，未来将向更加智能、透明和安全的方向演进。以下是对用户和厂商的建议。
1. 记忆功能的技术演进趋势
AI 记忆功能将从简单的信息存储向认知整合与情感理解方向发展，使AI能够更深入地理解用户特点并形成有意义的记忆。
• 认知循环构建：记忆熊等系统已开始构建完整的"认知循环"，使AI能够从信息感知到认知决策形成闭环。这种设计不仅存储信息，还管理信息的生命周期、关联结构与应用价值，使记忆更加智能和有意义。
• 多模态记忆整合：未来AI系统将能够整合文本、图像、音频等多种模态的信息，构建更加全面的用户记忆。例如，系统可以记住用户喜欢的音乐风格，并在对话中以相应的情感基调回应。
• 记忆质量评估：记忆系统将开始评估记忆的质量和可靠性，避免存储和使用错误或过时的信息。记忆熊系统已开始实施记忆质量评估机制，通过自我反思引擎检查记忆图谱中的逻辑一致性、事实准确性和时效相关性，自动修复检测到的冲突与错误。
2. 用户使用建议
对于普通用户，合理使用AI记忆功能需要平衡便利性与隐私保护，以下是具体建议：
• 明确记忆边界：在与AI对话时，明确区分哪些信息可以被记住，哪些需要被遗忘。对于敏感信息，可以使用临时聊天模式或明确指示"不要记住"。
• 定期审查记忆：利用记忆中心等工具定期查看AI已存储的记忆内容，及时删除不希望被记住的信息。研究表明，超过60%的用户从未查看过AI存储的记忆内容，这是隐私风险的重要来源。
• 分场景使用：根据不同场景选择适当的记忆模式。在日常对话中，可以开启自动记忆功能；在处理敏感信息时，切换至临时聊天模式或使用透明度更高的用户触发式记忆系统。
• 控制记忆深度：根据个人需求设置记忆的深度和广度。例如，可以在记忆中心中设置记忆容量限制，或调整记忆遗忘引擎的参数，控制记忆的保留期限。
3. 厂商发展建议
对于AI系统开发厂商，以下建议有助于在技术创新与隐私保护之间取得平衡：
• 透明度作为核心功能：开发记忆仪表板等工具，让用户能够查看、编辑或删除存储的事实，使个性化变得透明而非侵入式。研究表明，透明的系统设计能够显著提高用户信任度和使用频率。
• 最小必要原则：遵循"最小必要"原则，只收集和存储必要的用户信息。腾讯的元宝系统是这一原则的践行者，通过精确控制记忆范围，平衡了个性化服务与隐私保护。
• 差异化隐私策略：针对不同用户群体和使用场景，提供差异化的隐私策略。例如，为企业用户提供更严格的记忆隔离和加密存储方案，为普通用户提供更便捷的记忆管理工具。
• 持续学习与进化：设计能够持续学习和进化的记忆系统，避免因记忆固化导致的偏见和僵化。记忆熊系统通过自我反思引擎周期性地对记忆库进行离线分析与重组，确保记忆内容的准确性和相关性。
七、结论与展望
AI记忆功能代表了对话系统从"工具化"向"个性化"的重要转变，使AI能够真正理解用户特点并形成有意义的记忆。显式记忆与隐式记忆的结合，以及多层次记忆架构的构建，使AI系统能够提供更加自然、连贯和个性化的交互体验。
然而，AI记忆功能也带来了显著的隐私保护和伦理挑战，需要用户、厂商和监管机构的共同努力来解决。用户需要提高隐私意识，合理管理记忆内容；厂商需要在技术创新与隐私保护之间寻找平衡，设计透明可控的记忆系统；监管机构则需要制定更加完善的法规框架，确保AI记忆功能的负责任发展。
未来，AI记忆功能将向更加智能、透明和安全的方向演进，最终实现"越用越懂你"的真正个性化AI助手。记忆系统将不仅存储信息，还将理解信息背后的意义和价值；不仅能记住用户的偏好和风格，还能预测用户的需求和意图；不仅能提供个性化的服务，还能建立深层次的情感连接。在这一过程中，用户隐私和数据安全将得到更充分的保障，AI记忆功能将成为连接人类与智能系统的桥梁，而非分隔两者的屏障。
随着记忆功能的不断完善，AI将不再是简单的"一次性工具"，而是能够与人类建立长期关系的"数字伙伴"。这种转变将重塑人机交互的范式，为用户提供前所未有的便利和体验，同时也将带来关于记忆、身份和隐私的新思考。在这个过程中，技术与伦理的平衡将是决定AI记忆功能未来走向的关键因素。
参考来源
[1]从回应到陪伴：AI记忆功能上线，让每一次对话都成为“独家记忆”-人工智能-ITBear比尔科技
www.itbear.com.cn/html/2025-1…
[2]盛大布局 AI memory 打造模型记忆智能底座_通信世界网
[3]伊利诺伊大学香槟分校打造AI助手：让机器像人一样记住你的偏好 - 哔哩哔哩
[4]AI不再健忘！红熊AI发布“记忆熊”，给大模型装上“海马体” | 界面新闻
[5]AI Memory Limitations: Exploring the Context Window
www.vcsolutions.com/blog/overco…
[6]几月前的伤心事，ChatGPT突然翻出来提醒我？网友当场破防：太会捅刀子了！_澎湃号·湃客_澎湃新闻-The Paper
[7]How Personal Memory Layers Make AI Truly Remember
[8]通义千问Qwen Chat Memory功能上线，多轮对话可保留记忆提供个性化响应-业界动态-ITBear比尔科技
www.itbear.com.cn/html/2025-1…
[9]推理服务_HTTP协议 | 讯飞开放平台文档中心
[10]How do you update recommendations based on dynamic user preferences?
[11]What is the role of LSTM models in time series analysis?
[12]微软团队：如何用AI评估说话风格？|知名企业|audio|视频生成模型_网易订阅
[13]基于张量分解的用户偏好动态推荐模型研究--《华中科技大学》2022年硕士论文
[14]LSTM神经网络在驾驶行为分析中的应用.docx - 人人文库
[15]云蝠智能AI大模型对话算法_百度百科
[16]如何在产品迭代中动态更新用户画像
docs.pingcode.com/insights/b8…
[17]【AI 赋能：Python 人工智能应用实战】12. LSTM视频行为识别实战：从工业安全监控到零售分析（附完整代码）_lstm视频识别-CSDN博客
[18]深圳智显视界申请应用软件动态更新相关专利，可根据用户偏好更新软件|位置信息|科技有限公司_网易订阅
[19]使用LSTM进行视频行为识别：时序建模实战_lstm视频行为数据集制作-CSDN博客
[20]Samsung Research China-Beijing at SemEval-2024 Task 3: A multi-stage framework for Emotion-Cause Pair Extraction in Conversations
[21]Recent Progress in Conversational AI
[22]Supervised Adversarial Contrastive Learning for Emotion Recognition in Conversations
[23]What is reinforcement learning in conversational AI
[24]InstructERC: Reforming Emotion Recognition in Conversation with a Retrieval Multi-task LLMs Framework
[25]Frontiers | Adapting Virtual Agent Interaction Style with Reinforcement Learning to Enhance Affective Engagement
www.frontiersin.org/journals/di…
[26]Leveraging Large Language Models for Automated Dialogue Analysis
[27]Transformers in NLP · Hyperskill
[28]Dialogue Intent Classification with Long Short-Term Memory Networks | SpringerLink
link.springer.com/chapter/10.…
[29]6 Types of Useful Transformer Models and their Use Cases
datasciencedojo.com/blog/transf…
[30]How does Long Short-Term Memory (LSTM) improve speech recognition performance? - Tencent Cloud
www.tencentcloud.com/techpedia/1…
[31]AI中的Transformer：从RNN的困境到横扫一切的革命（下篇）-CSDN博客
[32]Enhancing Human Capabilities through Symbiotic Artificial Intelligence with Shared Sensory Experiences
[33]A Survey on ChatGPT: AI-Generated Contents, Challenges, and Solutions
[34]Long Time No See! Open-Domain Conversation with Long-Term Persona Memory
[35]MemoryBank: Enhancing Large Language Models with Long-Term Memory
[36]User Experience Design Professionals' Perceptions of Generative Artificial Intelligence
[37]Hello Again! LLM-powered Personalized Agent for Long-term Dialogue
[38]Unlocking Memories with AI: Exploring the Role of AI-Generated Cues in Personal Reminiscing
[39]Deepfakes, Phrenology, Surveillance, and More! A Taxonomy of AI Privacy Risks
[40]Why Customers Remember Conversational AI Better Than Chat Logs.
[41]Recent Progress in Conversational AI
[42]A Survey on ChatGPT: AI-Generated Contents, Challenges, and Solutions
[43]AI Outperformed Humans at Emotional Connections—But Only When People Thought It Was Human, Study Finds - The Debrief
[44]Understanding AI Cognition: A Neural Module for Inference Inspired by Human Memory Mechanisms
[45]"I Wish There Were an AI": Challenges and AI Potential in Cancer Patient-Provider Communication
[46]AI Memory and Emotional Residue: Exploring the Impact of Emotional States on AI Interactions
[47]The Memory Revolution: How AI Finally Learned to Remember Your Conversations - Genspark
[48]How Far Are We From AGI?
[49]亚马逊研究揭示AI记忆陷阱：当智能助手“记住”你的身份背景，竟然影响了它对情感的理解_腾讯新闻
[50]Artificial Intelligence in the Knowledge Economy
[51]从AI新增记忆功能看其技术创新与伦理挑战的双重-新闻发布-重庆大学图书馆
[52]AI-Powered Customer Service Boosts Efficiency
www.techclass.com/resources/l…
[53]iOS 18.4 RC2深度体验：AI革命与隐私保护的双重奏|ios|iphone|rc|固件|隐私保护_手机网易网
[54]AI Call Memory That Never Forgets - Reduce Handle Time 62%
[55]智能化的主动安全，鸿蒙6重新定义AI时代隐私安全体验|隐私保护_网易订阅
[56]【深度横评】AI记忆功能全平台拆解：ChatGPT/Claude/Gemini/国产大模型谁真懂你？附隐私避坑指南_目前ai记忆能力排名-CSDN博客
[57]RESPONSible AI Pattern Catalogue: A Multivocal Literature Review
[58]Decoding the EU AI Act: Record-Keeping Requirements
[59]Ex2Vec: Characterizing Users and Items from the Mere Exposure Effect
[60]IEEE 7010: A New Standard for Assessing the Well-being Implications of Artificial Intelligence
[61]What does the EU's recent AI Act mean in practice? | EurekAlert!
www.eurekalert.org/news-releas…
[62]AI不再健忘！红熊AI发布“记忆熊”，给大模型装上“海马体” | 界面新闻
[63]国家标准 - 全国标准信息公共服务平台
[64]#Ai每日教程分享#当AI开始记住你：OpenAI新记忆功能带来的隐私困境 就在昨天，电影《意识边缘》中那个能够完美复刻主人思维、甚至预测他下一秒动作的AI管家还在震撼着观众。今天清晨，OpenAI宣布旗下产品正式启动“记忆”功能——无需电影特效，AI已经踏入了“记住我们”的现实门槛。这并非科幻场-今日头条
[65]国防科技大学
[66]原创丨欧盟《人工智能法案》关键条款解读
[67]AI不再健忘！红熊AI发布“记忆熊”，给大模型装上“海马体”|AI|智能体_新浪新闻
[68]Enhancing Human Capabilities through Symbiotic Artificial Intelligence with Shared Sensory Experiences
[69]AI-driven Mobile Apps: an Explorative Study
[70]AI不再健忘！红熊AI发布“记忆熊”，给大模型装上“海马体” | 界面新闻
[71]How Far Are We From AGI?
[72]It's a Fair Game
[73]AI不再健忘！红熊AI发布“记忆熊”，给大模型装上“海马体”
[74]Recursively Summarizing Enables Long-Term Dialogue Memory in Large Models
[75]Privacy Preservation in Artifical Intelligence and Extended Reality Metaverses: A Survey
[76]AI不再健忘！红熊AI发布“记忆熊”，给大模型装上“海马体”-泡泡网
[77]当AI开始“记事儿”：一场重塑智能的记忆革命
baijiahao.baidu.com/s?id=185094…
[78]How Far Are We From AGI?
[79]AI不再健忘！红熊AI发布“记忆熊”，给大模型装上“海马体” | 界面新闻
[80]MemoryBank: Enhancing Large Language Models with Long-Term Memory
[81]The AI Collaborator: Bridging Human-AI Interaction in Educational and Professional Settings
