From 07c2c15824eeeac3a76c2d4879a3af9103937a5b Mon Sep 17 00:00:00 2001 From: wendeliang <33338014+wendeliang@users.noreply.github.com> Date: Mon, 1 Dec 2025 16:07:10 +0800 Subject: [PATCH] Update README.md --- README.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/README.md b/README.md index 5a0cc2b4..4f40b814 100644 --- a/README.md +++ b/README.md @@ -4,7 +4,7 @@ MemoryBear 让AI拥有如同人类一样的记忆 MemoryBear是红熊AI自主研发的新一代AI记忆系统，其核心突破在于跳出传统知识“静态存储”的局限，以生物大脑认知机制为原型，构建了具备“感知-提炼-关联-遗忘”全生命周期的智能知识处理体系。该系统致力于让机器摆脱“信息堆砌”的困境，实现对知识的深度理解与自主进化，成为人类认知协作的核心伙伴。 ## MemoryBear是从解决这些问题来的 -一、单模型知识遗忘的核心原因 +一、单模型知识遗忘的核心原因
上下文窗口限制：主流大模型上下文窗口通常为 8k-32k tokens，长对话中早期信息会被 “挤出”，导致后续回复脱离历史语境：如用户第 1 轮说 “我对海鲜过敏”，第 5 轮问 “推荐今晚的菜品” 时模型可能遗忘过敏信息。 静态知识库与动态数据割裂：大模型训练时的静态知识库如截止 2023 年数据，无法实时吸收用户对话中的个性化信息如用户偏好、历史订单，需依赖外部记忆模块补充。 模型注意力机制缺陷：Transformer 的自注意力对长距离依赖的捕捉能力随序列长度下降，出现 “近因效应”更关注最新输入，忽略早期关键信息。