记忆系统

千问智能的记忆系统在三个环节上做差异化：信号采集、记忆提炼、记忆应用。目标是构建全局/全域的用户理解能力。

​

三个核心环节

​

信号采集

主流厂商现状：

• 目前国内主流手机厂商的记忆基本只覆盖对话数据和主动收藏/记忆两种形态
• 其中主动收藏的形态转换很低（用户想不起来用）
• 对话数据经常不全（更多信号沉淀在豆包等 App 中）
• 难以全面完整地捕捉到用户的兴趣偏好、状态等

千问智能的解法：

• 全局/全域的信号采集（对齐 Google 和 OpenAI）
• 端侧信号补齐（未来）
• 一期支持对话和 Push 的捕捉

​

记忆提炼

主流厂商现状：

• 记忆提炼过程往往不是全量数据提取，而是根据自己的设计进行提取
• 有些甚至单独做个垂类
• 提炼时更倾向于提取身份和兴趣偏好
• 记忆的提炼是不全的，缺少认知状态、情景状态的提炼
• 依赖模型能力做散点提取，不能充分发挥模型对即将发生事件的推理能力

千问智能的解法：多元记忆系统，包含：

​

记忆应用

主流厂商现状：

• 主流厂商对记忆的宣传和应用多集中在查找身份证等低频问答场景
• 推测原因：缺少敏捷的后验实验体系和卖点逻辑牵引
• 一些更深入结合记忆的能力（个性化追问、回复风格个性化、类比关联等）对方注意不到

千问智能的解法：

• 记忆应用重点围绕主动服务去搞
• 支撑 QA 场景和主动服务场景

​

底层模型

• 目前基于 397B 对齐产品理想态做后训练（截止 9 月底）
• 需要单独训练更小的模型，完成一阶段主动服务机会判断

​

相关 PRD

• 《【记忆提炼】理想态对齐 V1.1》
• 《P 项目-记忆整体思路及 MVP 版本对齐》