MobileMem：从一年的移动体验中学习

下一代AI智能体正日益超越回答孤立问题的系统，走向能够理解、记住并持续从用户体验中学习的持久个人助理。这类助理需要长期记忆来随时间积累并利用用户特定经验，但现有基准无法胜任真实的移动场景——其中体验是异构、多模态、演化且深度个人化的。我们提出MobileMem，一个研究端侧长期记忆的基准与框架，其基础是年尺度的移动体验收集。MobileMem采用知识锚定的合成流水线，从用户-应用会话构建连贯且时间一致的长程轨迹。它提供互补的文本与多模态设置，涵盖多跳与时间推理、知识更新和隐式偏好推断。具体而言，MobileMem使智能体能够记住过去、理解现在并适应未来。通过建模体验而非孤立事实，MobileMem将记忆从信息检索推进到面向持续个人学习的体验智能。