MobileMem：面向移动端长期记忆的基准与框架

下一代AI代理正日益超越仅回答孤立问题的系统，转向能够理解、记忆并持续从用户经验中学习的持久个人助理。此类助理需要长期记忆来随时间积累并利用用户特定经验，然而现有基准在真实的移动场景中仍显不足，这些场景中的经验具有异质性、多模态性、不断演变且高度个人化。我们推出MobileMem，一个用于研究设备端长期记忆的基准与框架，基于年度规模的移动经验集合构建。MobileMem采用知识驱动的合成流程，从用户应用会话中构建连贯且时间一致的长时程轨迹。它提供互补的文本与多模态设置，涵盖多跳与时序推理、知识更新及隐含偏好推断。具体而言，MobileMem使代理能够记住过去、理解现在并适应未来。通过建模经验而非孤立事实，MobileMem将记忆从信息检索提升至体验智能，以支持持续的个人学习。