mem0 推出支持时间推理的记忆算法

标题：mem0 在 X 平台发布：“高效用 Token 的记忆算法现已支持时间推理” / X

来源链接：https://x.com/mem0ai/status/2054976169007813053

发布时间：2026 年 5 月 15 日（星期五）03:28:31 GMT

Markdown 内容： 今年四月，我们发布了高效用 Token 的记忆算法，并指出：多会话推理（multi-session reasoning）与时间推理（temporal reasoning）是记忆能力中最具挑战性的两大类别。

今天，我们在上述两项能力上均取得显著提升：在相同 <7,000 Token 的检索预算下，时间推理得分提升 +3.8 分，多会话推理得分提升 +1.5 分。

四月版本基于单次提取（single-pass extraction）与分层检索（hierarchical retrieval）实现，在 Token 消耗仅为全上下文方法（通常每查询消耗 25,000+ Token）的 1/3–1/4 的前提下，达到了极具竞争力的基准性能。

本次更新新增两项能力：时间推理与记忆衰减（Memory Decay），且不增加任何额外 Token 开销。二者协同作用，使检索更具“时间感知”能力，推动算法在 LoCoMo 基准上达到 92.5%，在 LongMemEval 基准上达到 94.4%。

mem0 更新版高效用 Token 算法概览（2026 年 5 月）：

注：本表展示的是整体 top_200 得分。各细分类别（含多会话推理与时间推理）的提升详情，请参见下方「结果」章节。

1. 时间推理（Temporal Reasoning）

当一条记忆被写入时，Mem0 现在会同步提取其时间元数据（temporal metadata），包括：事件发生时间、是否为进行中或已完成状态、时间精度等级，以及该记忆所属类型。

这使得搜索可明确区分当前事实、历史事实、未来计划、偏好、关系及永恒事实（timeless facts）。例如，针对问题“Alice 当前就职于哪家公司？”，系统应返回其最新职位，而非仅因语义相似而偶然匹配的旧职位。

时间推理作为增强模块，叠加于现有检索流程之上——它既不替代语义相关性判断，也不主动过滤记忆条目，而是对具有时间敏感性的查询进行重排序（reranking），从而更大概率将正确的时间戳实例置顶。

对于持续性事实（ongoing facts），系统为其分配一个状态键（state key），用于关联围绕同一动态事实的所有记忆。当新状态生效时，旧状态将通过 event_end 标记终止。时间线保持清晰有序，历史上下文仍可完整检索。

完整技术解析：

1. 记忆衰减（Memory Decay）

记忆衰减机制使近期被调用的记忆更易被检索到，而长期未被访问的“闲置”记忆则在排序中逐步后移。近期记忆最多可获得 1.5 倍的权重提升；而陈旧记忆的权重可衰减至低至 0.3 倍。

所有记忆均不会被删除或隐藏。即使某条记忆已显陈旧，只要它是当前查询的最佳匹配项，依然可以被召回；它只是不再被默认视为“永远与最新状态等同”。

该机制有助于长期运行的智能体应对“缓慢累积问题”（slow accumulation problem）：过往项目、过时偏好、已解决工单、失效计划等信息全部保留在记忆库中，但不再主导面向当下语境的检索。

记忆衰减仅在检索时生效。原有记忆内容、嵌入向量（embeddings）、分类标签及元数据均保持不变；中位搜索延迟亦基本不受影响。

完整技术解析：

LongMemEval

LongMemEval 在单会话与多会话场景下综合评估记忆能力，涵盖知识更新与时间推理任务。在 500 道测试题上，本算法得分达 94.4%，较基线 93.4% 提升明显。

三大亮点如下：

• 时间推理提升最为显著：从 93.2% 提升至 97.0%；
• 多会话推理稳步进步：从 86.5% 提升至 88.0%，跨会话推理（cross-session reasoning）仍有优化空间；
• 知识更新能力略有回落：下降 2.6 分；单会话助手（single-session-assistant）得分由满分 100.0% 微降至 98.2%。

值得特别指出的是多会话能力——它高度映射真实生产环境中的记忆压力。例如：用户曾就职的旧公司与当前公司、六个月后变更的偏好、或悄然终止的副业项目，均可共存于同一记忆库中。

难点不在于存储这些事实，而在于精准检索出与当前问题真正匹配的那个事实。

LoCoMo

LoCoMo 在 1,540 条对话式问题上，全面测试单跳（single-hop）、多跳（multi-hop）、开放域（open-domain）及时间性（temporal）回忆能力。

我们以两种维度呈现结果：按检索截断点（retrieval cutoff）划分，以及按问题类别划分。

最大提升集中于最关键的两类问题：时间性问题与多跳问题——系统需自主判断哪个实例适用，以及“此刻”何者为真。

您可直接使用现有 API，无需任何迁移工作。

• 时间推理默认对新建项目启用；
• 记忆衰减可通过控制台或 SDK 手动开启。

基础算法仍保留在开源 SDK 中。新增的两项能力——时间推理与记忆衰减——目前仅限 Mem0 平台使用。

查阅文档：→

→

• 时间抽象（Temporal abstraction）：不仅记录“发生了什么”，更建模“事件如何随时间演进”。BEAM 10M 得分定义了当前前沿水平。
• 跨会话结构（Cross-session structure）：刻画信息如何在多次会话间演化。需将零散交互串联为连贯的时间线。
• 智能体原生记忆（Agent-native memory）：抽取与检索作为异步基础设施运行，使智能体无需耗费计算资源自行管理上下文。

搭载时间推理与记忆衰减的高效用 Token 记忆算法，今日已在 Mem0 平台正式上线。

两项新功能目前均为平台专属；基础算法仍保留在开源 SDK 中。

→