港科大HeLa-Mem 让Agent找回失联的记忆
时间:论文于 2026 年 4 月首次发布在 arXiv(编号 2604.16839),已被 ACL 2026 主会(Long Papers,第 64 届计算语言学协会年会,2026 年 7 月于美国圣迭戈举行)接收,2026 年 10 月 20 日国内学术与技术媒体集中披露其技术细节
地点:中国香港(香港科技大学(广州));合作单位包括吉林大学与香港中文大学
人物:朱金昌(Jinchang Zhu,香港科技大学(广州)MPhil)、李金东(Jindong Li)、张程(Cheng Zhang)、刘嘉洪(Jiahong Liu)、杨梦林(Menglin Yang,香港科技大学(广州)通讯作者)
事件详情:香港科技大学(广州)、吉林大学与香港中文大学联合团队提出 HeLa-Mem(Hebbian Learning Associative Memory,赫布学习联想记忆),把 AI 智能体的长期记忆从"按语义相似度召回片段"改造为"带权关联图",论文已被 ACL 2026 主会长文接收,代码同步开源在 GitHub。团队要解决的是一个具体而常见的失败模式:一段信息与另一段信息相隔很远、表面几乎没有共同词,却必须同时被找回才能组成完整答案。例如用户问"我最早是在哪里遇见那位影响我职业选择的人",系统需要同时找到"这位老师影响了我的职业选择"和"我是在某场活动上认识他的"两段对话;前者与职业高度相关,后者却未必带有任何相近词,若只按相似度检索,模型很容易知道是谁,却答不出在哪里。
在方法上,HeLa-Mem 将每轮对话视为一个记忆节点,节点之间的边记录它们过去被共同唤起的程度,随共同激活不断强化,从而在记忆之间形成联想结构,而不是在写入阶段一次性确定固定关系。整套架构为双层组织:一层是通过共激活模式持续演化的情景记忆图,另一层是通过赫布蒸馏填充的语义记忆库,其中一个反思智能体会识别图中连接密集的记忆枢纽,并把这些枢纽蒸馏成结构化、可复用的语义知识。团队从认知神经科学中提取了三个在现有智能体记忆研究中普遍缺失的机制:联想、巩固与扩散激活。实验在长对话基准 LoCoMo 上进行,结果显示 HeLa-Mem 在四类问题(单跳、多跳、时序与开放域等类别)上均取得优于对比方法的表现,同时使用显著更少的上下文 token。
背景:当前多数 AI 智能体记忆系统的做法是把历史对话切段、写入向量库,再按语义相似度召回,论文把现有路线归纳为知识组织型(如 A-MEM、Think-in-Memory,把记忆组织成笔记网络或持续更新的推理状态)与检索导向型(如 RAG、MemoryBank、Generative Agents、EmotionalRAG,改进如何从存储中找出当前相关信息)两类。这类路线能高效找回与提问措辞接近的内容,但长对话中真正关键的线索往往不是看起来最像的那一条。HeLa-Mem 的思路更接近人脑:一次活动中认识的人可能在后来影响职业选择,一段旅行经历也可能与某个长期偏好相关,这些内容在文字上相距很远,但在真实经历里彼此关联。2025 年 3 月麦考瑞大学研究人员也曾发表论文探讨用大语言模型对付电话诈骗,提出以提示结构维持长对话策略,这与 HeLa-Mem 的思路一脉相承,都是让模型维持任务目标而非机械应答。
影响:如果 HeLa-Mem 的效果能在更大规模的真实产品中得到验证,AI 智能体记忆的竞争指标会从"保留了多少历史"转向"历史之间如何形成关系"。这对陪伴型助手、跨会话协作、跟进复杂任务等场景影响最直接,因为真正重要的信息往往沉淀在多段经历逐渐形成的关联里,而不是单条记录中。该方法还有一个容易被忽视的工程含义:记忆图不再是只读的数据库,而是被使用历史持续塑造的状态,长期不用且连接弱的节点会自然淡出,从而降低上下文成本。需要注意的是,论文结论目前基于 LoCoMo 等学术基准,作者自己也指出其在四类问题上的优势伴随更少的上下文 token;但真实产品中记忆质量、隐私合规与成本之间的权衡,仍需实际部署检验。
总结:HeLa-Mem 最有价值的部分不是"仿生"包装,而是一个很工程化的闭环——把检索轨迹转化为图更新信号,让记忆结构在使用中生长。这与近期一批"极简记忆"工作的思路一致:与其把记忆做成越来越复杂的容器,不如先回答"什么信息才真正有用、什么关系才真正值得记住"。对于正在做长期记忆的团队,这篇 ACL 2026 论文提供了一个成本更低、机制更清晰的参考实现。
参考来源:
ACL Anthology 官方论文页:https://aclanthology.org/2026.acl-long.625/
GitHub 开源代码仓库:https://github.com/ReinerBRO/HeLa-Mem
arXiv 论文预印本:https://arxiv.org/abs/2604.16839
36 氪:https://www.36kr.com/p/4033698403226755
网易(学术头条):https://www.163.com/dy/article/L9MDIR010531E3NX.html
每日论文:https://paper.dou.ac/p/2604.16839v1
论文速递:https://bittide.aicompass.dev/article/97f5b8b6-5032-4818-98f5-1bf92a174fc7







