AI用3年時光，來了解你！首個AI Clone長期記憶基準

新智元報道

編輯：LRST

【新智元導讀】現有AI記憶評測存在局限，如數據源單一、忽視變化本質、注入成本高等。CloneMem通過層次化生成框架構建合成人生，設計貼近真實場景的評測任務，涵蓋多種問題類型。實驗發現簡單方法在檢索上更有效，復雜系統會丟失關鍵細節，記憶系統應保留細節和時間脈絡，還原而非壓縮信息，以更好地理解人。

AI數字分身正在從科幻走向現實：幫你回郵件、管理日程，甚至可以直接替你和別人coffee chat。

但問題是：AI如何深度了解你并與你保持同步？

不僅要「知道」你叫什么，住在哪里，喜歡聽什么音樂，喜歡吃什么，更要「持續了解」：這幾年你經歷了什么、你的想法是如何一步步轉變的、為什么去年你想要跳槽，但今年卻想要留下。

這些，才真正定義了你是誰。

針對這一問題，開源學術社區QuantaAlpha聯合國內外知名高校團隊提出了CloneMem——首個專門評估AI Clone長期記憶能力的基準測試，并提供了中英文雙語版本。

論文鏈接：https://arxiv.org/pdf/2601.07023

代碼數據：https://github.com/AvatarMemory/CloneMemBench

AI Clone 應用場景示意圖

人生的關鍵變化

往往不發生在聊天框里

現有AI記憶評測主要考察模型能否記住用戶與AI之間說過的話。但這套評測范式存在三個根本局限：

數據源單一。

僅依賴用戶與AI的對話記錄，而這些記錄往往只反映了生活中的某些片段。更關鍵的是，對話內容高度依賴用戶主動表達，本身就已經經過個人的二次敘述，很難還原一個人真實而連續的生活軌跡。

忽視「變化」的本質。

現有基準關注的是「AI 能否記住某個事實」，而非「AI 能否理解這個人是怎么一步步變成現在這樣的」——經歷如何塑造情緒，情緒如何影響觀點，觀點又如何左右選擇。

注入成本高。

想讓AI了解你，你得不斷主動和它聊。但誰有時間每天給AI寫日記？這種機制難以長期維持。

CloneMem與現有記憶評測基準對比

數據怎么造？

層次化生成一個合成人生

真實用戶數據涉及隱私，研究團隊設計了一套層次化生成框架：

宏觀層面，基于大五人格初始化人物設定，構建職業、家庭、情緒、價值觀等長期人生弧線；中觀層面，將每個重大事件拆分為多個階段，維護內部狀態快照（能量、壓力、情緒、關注焦點），狀態在階段間傳遞以保證連貫性；微觀層面，為每個階段生成具體事件，并同步產出日記、帖子、消息等多種媒介內容。

這種自頂向下的設計確保了經歷、情緒、觀點在長時間跨度上保持一致。

CloneMem 完整的數據構建流程

面向真實交互場景的評測任務設計

CloneMem設計了一系列貼近真實使用場景的評測任務。所有問題都從「與AI Clone聊天的朋友」視角出發，而不是系統自問自答。

提問者像現實中的熟人一樣，會在不同時間點向AI Clone詢問你的近況和想法。

更關鍵的是，這些問題不是集中在某一個時間段，而是貫穿在你完整的人生時間線上，這也就意味著模型需要在橫跨數年的日記、社交媒體、聊天記錄和郵件等多源記錄里，找到關鍵信息，并理解經歷如何影響情緒，情緒如何塑造觀點，觀點又如何推動選擇，才能做出正確的判斷。

CloneMem評測任務示例

CloneMem設計了7種問題類型，涵蓋了事實回憶、規律識別、變化對比、長期軌跡理解、因果推理、反事實推理，以及無法回答的情況。

而考慮到在真實場景下的開放式問答難度不低，CloneMem也為每道簡答題設計了對應的選擇題版本，用來降低難度。

實驗發現

簡單方法反超，復雜系統壓縮掉關鍵細節

研究團隊從檢索能力、記憶有效性和回答一致性等多個維度，對Flat Retriever、A-MEM和Mem0三種記憶系統進行了評估，結果卻有些出人意料。

在檢索層面，簡單方法反而更有效

在多數指標上，最簡單的Flat Retriever表現最好。原因是抽象和總結雖然有助于搜索，但會損失細節保真度。而AI Clone任務高度依賴時間順序、原始表述、事件間的細微關聯，而這些信息往往在摘要的過程中被壓縮掉了。

不同記憶系統的 QA 性能與記憶效用對比（Oracle 為使用真實上下文的上界）

在表征層面，記憶系統只記事件，而不記狀態

以老沈為例，他正在經歷中年危機，連續兩周在凌晨瀏覽招聘網站，搜索各種崗位信息。記憶系統非常誠實的記下了這些行為，但無法表征他還在猶豫，一份簡歷都沒投出去的狀態。

因此當被問到老沈有沒有看重的公司時，模型面對一堆求職相關的行為記錄，自然會腦補出老沈看重了幾家公司，然而實際上，他什么都沒有決定。

在生成層面，模型容易被敘事慣性所帶偏

即使檢索到了正確的信息，模型仍然傾向于套用高概率敘事模板，而并沒有依據事實證據。比如當問老沈為什么愿意向妻子敞開心扉，正確答案是他意識到長期強撐正在傷害家庭，模型卻回答女兒的一幅畫觸動了他，這聽起來很合理，但證據完全對不上。

對記憶系統設計的啟示

CloneMem的實驗結果指向一個核心問題：當前的記憶系統把記住當成了目標，但AI Clone真正需要的是還原。

這意味著記憶系統不能只做信息壓縮，而要保留原始表述和時間脈絡；不能只記發生了什么事，還要能表征一個人正在經歷什么階段；不能總是給出答案，而要在證據不足時學會說不知道。

換句話說，AI Clone的記憶不應該是一個越壓越小的知識庫，而應該是一個保留完整證據鏈的底座，因為理解一個人，靠的不是摘要，而是細節。

QuantaAlpha

QuantaAlpha成立于2025年4月，由來自國內外知名院校的老師和學生組成，使命是探索智能的「量子」，引領智能體研究的「阿爾法」前沿，從CodeAgent到自進化智能，再到金融與跨領域專用智能體，致力于重塑人工智能的邊界。

2026年，研究團隊將在CodeAgent、DeepResearch、Agent Memory、Agentic Reasoning/Agentic RL、自進化與協同學習等方向持續產出高質量研究成果，歡迎對我們方向感興趣的同學加入我們！

團隊主頁：https://quantaalpha.github.io/

參考資料：

https://arxiv.org/pdf/2601.07023