SuperLocalMemory V3.3：活体大脑——面向零LLM智能体记忆系统的仿生遗忘、认知量化与多通道检索
SuperLocalMemory V3.3: The Living Brain -- Biologically-Inspired Forgetting, Cognitive Quantization, and Multi-Channel Retrieval for Zero-LLM Agent Memory Systems
摘要
AI编程智能体处于一个悖论之中：它们拥有庞大的参数化知识，却记不住一小时前的对话。现有记忆系统将文本存入向量数据库并仅用单通道检索，核心操作依赖云端LLM，且未实现任何使人类记忆高效的认知过程。我们提出SuperLocalMemory V3.3（“The Living Brain”），一个本地优先的智能体记忆系统，以数学化生命周期动力学实现完整的认知记忆分类体系。在V3.2（arXiv:2603.14588）的信息几何基础之上，我们引入五项贡献：（1）Fisher-Rao量化感知距离（FRQAD）——高斯统计流形上的新度量，在高保真嵌入与量化嵌入的偏好上达到100%精度（余弦相似度为85.6%），此前无先例；（2）结合生命周期感知量化的艾宾浩斯自适应遗忘——本地智能体记忆中首个与渐进嵌入压缩相耦合的数学遗忘曲线，判别力达到6.7倍；（3）七通道认知检索，涵盖语义、关键词、实体图、时间、扩散激活、巩固与Hopfield联想通道，在零LLM的Mode A下于LoCoMo上达到70.4%；（4）记忆参数化，通过软提示实现长期隐式记忆；（5）零摩擦自动认知流水线，将完整记忆生命周期自动化。在LoCoMo上，V3.3在Mode A（零LLM）下达到70.4%，多跳任务提升23.8个百分点，对抗任务提升12.7个百分点。V3.2曾达到Mode A 74.8%与Mode C 87.7%；4.4个百分点的差距反映了有意为之的架构权衡。SLM V3.3以Elastic License 2.0许可开源，完全在CPU上运行，月下载量超过5,000次。