MindMemOS：面向AI智能体的可移植自进化记忆操作层

记忆是AI智能体的核心组件，使其能够积累经验、保持个性化并在长期交互中适应。然而，现有记忆系统往往在开发完成后即固定不变，限制了其通过持续使用来调整记忆模型、组织策略与程序性知识的能力。我们提出MindMemOS，一个可移植且自进化的记忆操作层，使用统一的实体属性时间结构来组织开放世界信息。MindMemOS支持场景自适应记忆建模、高阶模式发现、自主记忆精炼与持续技能进化。其MindMemEvolve算法采用验证驱动的进化搜索为目标场景优化记忆模式（schema），而“做梦”（dreaming）机制通过合并冗余记录与消解冲突来巩固累积记忆。此外，隐式纠正反馈作为人在回路中的信号，用于识别并修订可能不准确或错位的记忆。其MindSkillEvolve算法进一步把智能体执行轨迹转化为可复用且逐步精炼的技能。MindMemOS在LOCOMO上取得94.03%的准确率，在PersonaMem上取得70.63%。MindSkillEvolve较初始技能基线将SpreadsheetBench成功率提高9.2个百分点。