Next Gen

歡迎來到“Next Gen”。人工智能的邊界每日都在被拓展，一群富有遠見卓識的青年學者正站在浪潮之巔。我們追蹤并報道這些 AI 領域最具潛力的明日之星，展現他們在科研前沿的突破性工作，以及對未來智能時代的獨到見解。他們是誰？他們如何思考？他們又將把 AI 帶向何方？與我們一同發現那些正在定義未來的 AI 新生代。

今年 24 歲的王禹來自安徽蕪湖，他本科畢業于中國科學技術大少年班，目前在美國加利福尼亞大學圣迭戈分校（UCSD）三年級博士在讀，并曾在 IBM、亞馬遜等公司實習。

圖丨王禹（王禹）

近期，他發布了多智能體個人助理系統 MIRIX，這是一款創新的記憶系統產品。MIRIX 具備處理高分辨率的屏幕截圖的能力，這是現有記憶系統無法做到的，其適用于 AI 助理公司、Agent 框架、垂直 SaaS、自動化辦公系統、AI 客服、代碼智能體等多個領域。目前，王禹正在推進公司的創立籌備工作。

曾經每天只睡 6 小時，只為“柳暗花明”的時刻

截至目前，王禹已在機器學習領域累計發表 20 余篇學術論文，其中 11 篇為第一作者或共同第一作者成果。其研究呈現出明顯的聚焦性和延續性，特別是在近兩年的 5 篇第一作者論文中，他系統性地探索了“大模型記憶機制”這一前沿方向，其創新性工作在不增加 GPU 內存開銷的前提下，顯著提升了大規模語言模型的記憶能力。

王禹選擇這一研究方向源于對 ChatGPT 等大語言模型的實際使用觀察。他在日常使用中發現兩個顯著痛點：

首先，模型存在會話記憶的時效性缺陷——當日對話內容在次日即完全丟失，這對需要連續數日討論的項目造成嚴重阻礙，用戶不得不反復復述項目背景信息；

其次，模型在長程對話中會出現性能衰減現象，隨著上下文累積，后續應答質量逐步降低。這種局限性迫使用戶頻繁開啟新對話，而新對話又完全無法繼承歷史會話的認知狀態，導致多輪對話間形成記憶斷層。

這些實踐中的發現促使王禹系統性地探索機器記憶的實現路徑。他向 DeepTech 解釋說道：“構建真正具備社會適應性的智能體，記憶系統是不可或缺的底層能力。這種記憶不僅要實現事件記錄的存儲功能，更需要發展出類似生物體的自主記憶機制。從技術演進角度看，記憶模塊很可能是實現通用人工智能（AGI）或構建未來數字人的關鍵架構要素。

回顧科研歷程，王禹用“堅韌、自律、不達目的誓不罷休”來形容自己的特質。這種執著和熱愛的特質早在本科階段便已顯現：大二時，他的第一個項目是做推薦系統的去噪。但實際上，項目進展并不順利，他曾連續一個多月沒有任何進展。轉折點出現在一次其師兄的項目分享會，受到啟發的他回到宿舍連續兩天高強度推導公式，并大量驗證實驗，最終完成了項目。

這段經歷成為他投身機器學習研究的起點，尤其是當他發現模型在下棋方面竟然能夠戰勝自己時，那種震撼讓他至今難忘。此后他的研究興趣從強化學習逐步拓展到推薦系統，再延伸到當前專注的自然語言處理領域。

在科研方法論方面，王禹形成了獨特的工作節奏。本科期間他曾創下同時推進 4 個科研項目、日均僅睡 6 小時的記錄。面對高強度工作壓力，他發展出一套有效的壓力管理方式：通過健身房力量訓練、游泳、足球等體育運動，以及與朋友聚餐等社交活動來保持身心平衡。

“項目研究經歷讓我深刻體會到，科研很多時候都是處于高壓、‘山重水復疑無路’的狀態，但一旦出現‘柳暗花明’的時刻，就會覺得之前的努力都是有意義的，這也是科學研究的魅力所在。”王禹回憶道。

王禹的學術成長得益于兩位重要導師的指導。本科階段，中國科學技術大學何向南教授安排博后辛鑫專門指導，并建立每兩周一次的定期匯報機制，這種“手把手”的科研訓練極大地帶領了科研“新手”快速成長。

攻讀博士學位期間，導師朱莉安·麥考利（Julian McAuley）教授給予的學術自由則讓他能夠深耕感興趣的研究方向，同時靈活安排研究計劃以兼顧學業與個人生活，特別是維系與國內女友的異地戀情。這種張弛有度的培養模式，既保證了系統的科研訓練，又保留了學術創新的自主空間。

2022 年 ChatGPT 系列模型的橫空出世成為王禹科研生涯的關鍵節點。此前他長期困擾于人工智能技術在實際應用中的精度瓶頸，對技術商業化方向感到迷茫。GPT 展現的強大能力不僅解答了他的技術困惑，更清晰地指明了人工智能產品的落地路徑，直接啟發了他后續的創業規劃。

如何讓 AI 擁有類人記憶？

人們希望大模型或機器人可以具備類似人類記憶，那么人類記憶具備怎樣的特質呢？在探索這個方向時，王禹的此前研究提供了重要啟示。

在他作為一作發表在Transactions on Machine Learning Research的論文《邁向生命周期認知系統》（Towards LifeSpan Cognitive Systems）中提到 [1]，從記憶應用的初始階段來看，要做一個能夠“終身對話”的系統需要具備兩個關鍵能力：抽象與經驗合并（Abstraction & Experience Merging）以及長期記憶保持（Long-Term Retention）。

首先，系統不應像傳統存儲系統那樣機械地記錄原始數據，而是需要像人類記憶一樣，能夠提取核心信息并建立關聯。

例如，多次接觸“某人考試失利”相關信息后，系統應能整合這些經驗，推導出“考試難度”等更高層次的結論——這種動態的知識整合能力，正是記憶系統區別于普通 RAG（Retrieval-Augmented Generation）或 RUG（Retrieval-Useful Generation）系統的關鍵特征。

其次，系統必須長期保留這些抽象后的知識，既包括常識性記憶，也需支持精準細節的調取，這是實現終身認知功能的基礎。

圖丨記憶智能體應該具備的四種互補能力（arXiv）

在最近發表在arXiv的論文《通過增量式多輪交互評估大語言模型智能體的記憶能力》（evaluating Memory in LLM Agents via Incremental Multi-Turn Interactions）[2] 中，王禹進一步細化了記憶智能體應具備的四大能力：精準回憶（Accurate Retrieval）、傳導學習（Test-Time Learning）、長距離理解（Long-Range Understanding）和沖突解決（Conflict Resolution）

王禹指出，這四項能力覆蓋了實際應用中的主要需求，也是人類記憶系統的核心功能。這些研究不僅揭示了大模型記憶機制的優化方向，也為 MIRIX 等系統的開發和設計奠定了理論基礎。

MIRIX：準確率提升 35%，存儲需求降 99.9%

MIRIX 作為新一代多智能體記憶系統，通過截屏理解用戶，能壓縮并提取有效信息。

其技術架構和功能設計在近期發表在arXiv的論文《MIRIX：面向基于大語言模型的智能體的多智能體記憶系統》（MIRIX: Multi-Agent Memory System for LLM-based Agents）中得到了系統闡述 [3]。

圖丨相關論文（arXiv）

該系統突破了傳統記憶系統簡單劃分短期/長期記憶的二元模式，創新性地構建了六個模塊協同的樹狀記憶架構。每個記憶模塊不僅實現獨立功能，還通過屬性化組織方式（包括總結、嵌入、細節、關鍵詞、執行者等元數據標簽）實現信息的結構化存儲與關聯。

“我們的系統不僅能看到當前屏幕，還能通過六個模塊管理記憶，由專門的代理進行操作，從而記住之前的內容。”王禹說。

圖丨 MIRIX 的六個記憶模塊，每個提供專門的功能（arXiv）

具體來說：

核心記憶（Core Memory）模塊：記錄用戶的基本信息和偏好，比如用戶的名字、喜好等。這些信息對于與用戶的交流至關重要，需要一直存儲在系統提示（system prompt）和上下文（context）中。

情景記憶（Episodic Memory）模塊：記錄用戶生活中發生的具體事件，比如之前開過的會議、打過的電話等，這些記憶通常與時間相關。

語義記憶（Semantic Memory）模塊：存儲與時間無關的信息，例如“《哈利·波特》是 J.K. 羅琳（J.K. Rowling）寫的”這樣的事實性陳述。這些信息是長期存在的，還包括一些概念、人物等。

（arXiv）

程序記憶（Procedural Memory）模塊：包含各種逐步指南（step-by-step guides）和工作流程（workflows），比如如何在 GitHub 上合并分支、如何在 Minecraft 中調用服務等。

資源記憶（Resource Memory）模塊：用于存儲文件和文檔，比如查看一個文檔、合同等。這些內容不適合存儲在前面四個模塊中，而是專門存儲在資源記憶中。

知識庫（Knowledge Vault）模塊：存儲敏感信息，如地址、電話號碼、憑證、社會安全號碼或身份證號碼等。這些信息在需要時會被使用，例如填寫表格時需要提供身份證號碼。

需要了解的是，MIRIX 重視數據安全方面的保護，其所有的信息都存儲在本地的一個文件夾里（SQLite 數據庫），所有的處理也都在本地完成。而涉及到上述比較敏感的信息時，MIRIX 會將其單獨存放，并且在需要使用時會征求用戶的同意。據介紹，只有當數據被發送至 API 模型時會被 API 模型看到。

值得關注的是，論文中提到，MIRIX 中的反思代理（reflection agent），點擊該功能后會調用后端代理來組織記憶。

例如，John 最近在為期末考試做準備，過了幾天又說他很累，還沒睡好。MIRIX 會把這些信息連接起來，形成一個新的記憶，記錄在其記憶系統中，比如“John 最近可能正在經歷考試焦慮，智能體在對話中應給予更多支持”。

圖丨MIRIX 對話界面（王禹）

研究團隊在兩個具有挑戰性的場景中驗證了 MIRIX。首先，在多模態基準測試 ScreenshotVQA（包含近 20,000 張高分辨率計算機截圖）上，需要深度上下文理解，MIRIX 的準確率比 RAG 基線高出 35%，同時將存儲需求減少了 99.9%。

（arXiv）

其次，在單模態文本輸入的長篇對話基準測試 LOCOMO 上，MIRIX 達到了超 85% 的最新性能，遠遠超過了現有的基線。

圖丨LOCOMO 數據集中各題型不同記憶系統評分（arXiv）

MIRIX 的系統應用場景覆蓋范圍廣泛，既可以應用于 C 端，也可以應用于 B 端。

對于 C 端，目前王禹與團隊已開發了測試版 APP，比如可以讓它告訴用戶“昨天做了什么”，或者幫助寫一封求職信。此外，MIRIX 還可以和用戶一起追劇，并討論相關劇情。如果用戶同時在處理多個工作項目，它還可以幫助梳理每個項目的具體進程。

對于 B 端，團隊計劃與 AI 眼鏡廠商、AI 平板廠商、AI 玩具廠商或者小型機器人廠商合作，希望為其產品增加長期記憶功能，讓產品能夠記住用戶，成為個人助手，有望真正實現“你的生活記憶，從此不會丟失”。

此外，MIRIX 還有望將各種場景的記憶結合中，但可能需要進行一些適配和專門的調整。王禹進一步說道：“未來，可穿戴設備的個人 Agent 與電腦、手機的個人 Agent 可以是一體化的，它們都能夠訪問用戶的信息，并且共享內存，我覺得這會是一個非常有趣的場景。”

談及科研和開發產品方面，王禹認為，最重要的是需要耐心打磨。“用戶對于半成品可能只是淺嘗輒止，不會長期使用。我們希望打造能夠留住用戶的產品。科研也是如此，只有提供最好的技術內容，才會有人關注。”

目前，王禹正在與各投資人洽談中，希望在不久后在美國成立公司并持續推動 MIRIX 等產品的發展。當然，他也不排除未來機會合適將業務拓展到中國。

參考資料：

1.https: //openreview. net/ forum? id= LZ9FmeFeLV

2.https://arxiv.org/abs/2507.05257v1

3.https://arxiv.org/abs/2507.07957

運營/排版：何晨龍