腾讯 T-Mem 提出联想式记忆检索，论文被 EMNLP 2026 接收
记忆写入时就预判它将来会被怎样想起——T-Mem 用联想线索补上相似度检索的结构性盲区。
长期记忆方案几乎都靠相似度检索，措辞一变就召回失败。腾讯 T-Mem 改为在记忆写入时预写“联想线索”：把这条信息未来可能被用到的场景一并存下，等场景出现时反向点亮线索，把原记忆捞出来。论文已被 EMNLP 2026 接收，代码与数据开源。
正文摘录
.jpg)  大语言模型智能体正越来越多地进入长期陪伴聊天这类场景 —— 不再答完一个问题就走，而是和用户 处成一段长久的关系 。 这种关系对记忆提出了一个具体要求：用户不会年复一年用同样的话重复同一件事，记忆系统得在措辞、话题甚至语境都变了的情况下，依然 把当年那段记忆找回来 。 但今天几乎所有长期记忆方案，无论底层用向量库、图数据库还是其他存储形式，在检索环节都共享同一个假设：只要查询与记忆足够 “像”，记忆就能被召回。这个假设只在记忆和对话字面或语义有相似度时成立。然而现实对话里，措辞会变，场景会变，记忆却依然需要被召回。认知科学中的经典概念 ——“ 情景未来思维 ”（episodic future thinking）表明：人可以通过预演未来场景，把本应在当前对话中被想起的记忆关联起来，而这一切并不需要对方在相似的场景下说出相似的话。可教给机器的，恰恰只有 “找相似内容” 这一种检索方式；问题不出在某一环节，而出在设计根基本身。