一句话看懂：浙江大学与联想团队联合提出事件中心的多模态长期记忆方案 EM²Mem，把“先检索再对齐”改为“先对齐再检索”，论文已在 EMNLP2026 亮相。它值得关注，是因为长期记忆一直是多模态智能体从演示走向可用的关键短板。
事件核心：发生了什么
根据 AIbase 2026 年 11 月 13 日的报道，浙江大学与联想团队提出了面向多模态智能体的长期记忆方案 EM²Mem，相关研究在 EMNLP2026 上展示。公开信息显示，该方案在记忆构建初期就把人物、物体、动作、时间等线索关联到同一事件中，形成多尺度事件档案，再通过情节图与语义图的组合连接不同经历、提炼长期规律。团队还基于这一技术构建了记忆系统 LightMem-Ego。
为什么重要
多模态智能体常见的两个问题是“看完就忘”和检索效率低。现有做法多是把不同模态信息碎片化存储，遇到复杂问题时难以串联跨维度线索。EM²Mem 的价值在于改动了记忆的底层组织方式：检索之前先完成事件级对齐，让模型在提问时更容易找到同一事件下的完整证据链。对学界而言，这提供了一条与“扩大上下文窗口”不同的长记忆技术路线；对联想这类同时布局端侧与智能体的厂商，也有助于积累多模态应用的底层能力。
对用户/开发者/创作者的影响
对开发者来说，这类方案的意义不在于新增一个 API，而在于为个人助理、实验室助手等长期运行的多模态应用提供更省算力的记忆设计思路。报道称 EM²Mem 能提升事件级证据召回与问答准确率，并减少单次问答的时间和 token 消耗；记忆构建后可复用，长期摊薄后的效率优势会更明显。不过这些结论目前来自研究团队的评测条件，尚不能等同于已上线产品的实际表现。对普通用户和创作者而言，短期内更直接的变化可能是：未来多模态助手在跨天、跨场景的连续对话中，遗忘和答非所问的情况有望减少。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 LightMem-Ego 是否会开放代码或提供可试用的接口，这决定开发者能否实际验证效果；二是事件档案的构建与更新成本在真实长周期使用中是否仍然可控；三是同类多模态记忆方案会不会跟进“先对齐再检索”的思路，形成新的技术竞争点。目前公开信息显示，该研究仍处于论文展示阶段，离产品化落地还有距离。
来源：AIbase
