在大语言模型快速发展的今天， " 记忆 " 正成为智能体能否真正具备长期智能的关键。 即使是支持百万级上下文的 GPT-4.1，当交互持续增长时，成本和延迟依然会呈指数级上升。于是， 外部记忆系统应运而生——然而，大多数现有方案依赖人工规则与 prompt 指令，模型并不真正"理 解"何时该记、记什么、如何更新。 Mem-α 的出现，正是为了解决这一困境。由加州大学圣地亚哥分校的 Yu Wang 在 Anuttacon 实习 期间完成，这项工作是首次将强化学习引入大模型的记忆管理体系，让模型能够自主学习如何使用工具 去存储、更新和组织记忆。 论文标题： Mem-α: Learning Memory Construction via Reinforcement Learning 论文链接： https://arxiv.org/abs/2509.25911 代码仓库： https://github.com/wangyu-ustc/Mem-alpha 开源模型： https://huggingface.co/YuWangX/Memalpha-4B 训练数据集： https://huggingface.co/data ...