不是搜出来是被唤起：T-Mem联想召回

腾讯官方发布：T-Mem——可能是第一个覆盖"联想召回"的开源记忆架构（EMNLP 2026）；多数记忆系统停在相似度检索，T-Mem 的主张是：在你开口之前，就预测"这段记忆何时会派上用场"。

读写两侧各改一个动作：写入时，每条记忆入库就自带一个触发器——"这段话什么时候会再被提到？"；读取时，查询触发器按情境把记忆拉进来，即使与查询零关键词重叠。

架构上它做成插拔层——不微调、不改模型，接进任何 LLM。基准也给得干脆：在 LoCoMo-Plus（剥离关键词重叠、专测纯联想召回）上，主流系统掉 28–50 分，T-Mem 只掉 5.45 分。代码 MIT 协议，论文与仓库在文末。

论文：arxiv.org/abs/2606.15405
代码：github.com/Sherlockwz/T-M…

我的看法：这是记忆线的第四块板，也是方法论上最跳的一块——前三块解决了记忆放哪（57513 的目录）、底座怎么连（57604 合库）、能活多久（57722 的 repo-native），T-Mem 解决的是"怎么想起来"：从"找相似"跳到"预判何时会用到"——联想召回才是人记忆本来的形状：不是搜出来的，是被情境唤起的。

那个 5.45 对 28–50 的对比，把杀手场景也点透了：关键词一旦零重叠，相似度检索就集体失灵，而真实的"接着刚才那话题聊"恰恰很少带着同样的词。"插拔不改模型"则和说明书族一脉相承——记忆被做成了架构层，而不是训练玄学。

后续看点也清楚：触发器的质量决定一切——误触发是吵，漏触发是忘；LoCoMo-Plus 这张新考卷，业界得跟。

论文结论与数字按官方推文转述（EMNLP 2026 口径），以论文原文与仓库文档为准。