可以说，大模型的「短期能力」决定了它能不能把一句话说通，但长期记忆真正决定的，其实是它有没有资格被称为「助手」。 也正是因为这一点，去年最后一天谷歌研究团队提出的 Titans 架构，在 2025 年被反复翻出来讨论，并不意外。这篇论文试图回答的，并不是「上下文还能 拉多长」这种老问题，而是一个更本质的命题： 当注意力只是短期记忆，大模型到底该如何拥有真正的长期记忆。 日前，Google在其发布的论文《Nested Learning: The Illusion of Deep Learning Architectures》中，提出了一个名为 HOPE 的新框架试图解决大模型长期记忆 的问题。 这一架构备受关注，因为长期记忆一直困扰着大模型的发展，甚至影响着AI落地到智能体的广度与深度。 今天让 AI 写一段漂亮的回答不难，难的是隔了一周、换了工作任务，它还记得你之前某次对话的关键细节，不断更新对你的个性化记忆。也只有在这一 刻，大模型才真正开始接近「持续工作的智能体」，而不是一次性消耗品。 图片来源：谷歌 在 Titans 里，Transformer 的 self-attention（自注意力机制）被明确界定 ...