针对多模态智能体长期记忆仅简单存储信息、难以关联不同线索的痛点,浙江大学与联想团队合作提出以事件为中心的多模态长期记忆方案EM²Mem。该方案将传统“先检索后对齐”模式调整为“先对齐后检索”,在记忆构建阶段即关联同一事件中的人物、物体、行为、时间等线索,搭建多尺度事件档案,并通过情节图、语义图连接不同经历以沉淀长期规律。实验显示,该方案相比现有方法显著提升事件级证据召回率与问答准确率,同时大幅降低单次问答耗时与token用量;记忆构建一次即可多次复用,摊平成本后长期使用效率优势明显。基于该技术,团队进一步搭建多模态智能体记忆系统LightMem-Ego,可落地为个人生活助手、科学实验室助手等场景,支撑多模态智能体的持续学习与个性化发展。
