ZenBrain：面向自主AI系统的神经科学启发七层记忆架构

尽管已有一个世纪的实证记忆研究，现有的人工智能代理记忆系统仍然依赖于系统工程隐喻（Zettelkasten 指出，虚拟内存分页、平面 LLM 存储），没有整合巩固、遗忘和重新巩固的原则。我们推出 ZenBrain，这是一种集成了 15 个神经科学模型的多层记忆架构。它实现了由九种基础算法（双因素突触模型、vmPFC 耦合 FSRS、模拟选择睡眠、贝叶斯置信度等五个）精心编排的七个记忆层（工作、短期、情景、语义、程序、核心、跨上下文）以及六个新的预测记忆架构 (PMA) 组件：四通道 NeuromodulatorEngine、预测错误门控 ReconsolidationEngine、具有以下功能的 TripleCopyMemory发散衰减、带有杏仁核快速路径的四维 PriorityMap、StabilityProtector（NogoA/HDAC3 类似物）和用于偏差检测的 MetacognitiveMonitor。 15 种算法消融揭示了一个合作生存网络：在压力下，15​​ 种算法中的 9 种变得单独关键（delta-Q 高达 -93.7%，Wilcoxon，10 个种子，alpha=0.005）。模拟选择睡眠实现了 37% 的稳定性提升 (p<0.005)，同时存储量减少了 47.4%。 TripleCopyMemory 在 30 天时保留 S(t)=0.912； PriorityMap达到NDCG@10=0.997。多层布线在 LoCoMo 上比平坦的单层基线高出 20.7% F1 (p<0.005)，在 MemoryArena 上比平坦单层基线高 19.5% (p=0.015)。在 LongMemEval-500 上，ZenBrain 在所有 12 个系统评审单元（4 个系统 x 3 个 LLM 评审）上保持最高平均排名，三位评审平均 J=0.545 vs letta=0.485，a-mem=0.414，mem0=0.394；所有 9 个成对对比均清晰 Bonferroni（alpha=0.05/18，min p=6.2e-31，d in [0.18, 0.52]）。在 LongMemEval 的二进制判断下，ZenBrain 以每次查询token预算的 1/106 达到了 91.3% 的预言机准确率。开源，拥有 11,589 个自动化测试用例。