找回密码
立即注册
搜索
热搜: Java Python Linux Go
发回帖 发新帖

5393

积分

0

好友

729

主题
发表于 昨天 23:22 | 查看: 6| 回复: 0

记忆

OpenAI 正式发布了名为“做梦”(Dreaming)的全新系统,专门用于提升 ChatGPT 的记忆合成能力,让它的记忆保持新鲜、连贯且高度相关,甚至能跨越长达数年的对话历史。

美区 Plus 和 Pro 用户今天起可以率先体验,免费用户和 Go 用户将在未来几周内陆续开放。


记忆功能走过的这两年

ChatGPT 的记忆功能最早在 2024 年 4 月上线,当时叫“已保存的记忆”(saved memories)。用法很简单:你主动告诉它“记住我七月要去新加坡”,它就把这条信息存下来,后续聊天时可以随时调取。

但这套机制的问题也很明显:它只在对话中被手动触发,你不说,它不记。时间一长,那些存下来的信息会渐渐过时、失真。跟它聊天,就像跟一个只会记笔记、但笔记内容全忘光的人打交道。

到了 2025 年 4 月,OpenAI 做了一次关键更新,引入了第一版 dreaming 机制。它的核心逻辑是:不再需要你主动说“记住这个”,系统会在后台持续读取你的历史对话,自动整理和更新记忆状态,让每一次新对话都能拿到最新鲜、最相关的上下文。

过去一年,dreaming 和旧的 saved memories 协同工作,ChatGPT 的个性化能力明显增强。但仅靠 dreaming 独自撑起整套记忆系统,还不够成熟。而这次发布的,正是建立在 dreaming 基础上的全新一代、算力效率更高的记忆架构。

同时,dreaming 生成的记忆内容可以在记忆摘要页面中直接查看。你可以随时了解 ChatGPT 对你的认知,补充或修改个人信息,甚至可以告诉它哪些话题该在什么时机提及。想深入了解某方面,直接跟它聊就行。

Memory设置面板


好的记忆,到底要完成哪三件事?

OpenAI 在衡量记忆质量时,重点考察了三个维度:

一、延续上下文

不用每次重新介绍自己,ChatGPT 要能顺着之前聊过的地方继续说。

举个例子:你之前跟 ChatGPT 详细聊过自己的水下摄影器材组合——索尼 A1 II 机身、Nauticam NA-A1II 水下壳、Backscatter Mini Flash 3 和 Inon Z-330 闪光灯。某天你问它:“帮我找跟我摄影套装兼容的新配件。”

没有记忆时,它只会给你一套通用方案:买一个支持 TTL 的闪光灯、对应触发器、合适的同步线,然后让你自己去查兼容性。而有了 dreaming 之后,它直接记住你的具体配置,推荐了专门适配 Mini Flash 3 的 Backscatter Smart Control TTL LED Nauticam 触发器(型号 BS-TR-SN2),同时还说明:目前没有一个触发器能同时给两支闪光灯都开启 TTL,建议优先为 Mini Flash 3 打开 TTL,Z-330 手动控制。

评测结果显示,新的 dreaming 系统在回忆相关事实方面提升显著。

Factual recall 效果对比

二、记住你的偏好

你的喜好、限制条件、交流风格,它都应该牢记,并在回答时真正用上。

假设你要计划一趟新加坡之旅。ChatGPT 从你过往的旅行对话中已经知道:你喜欢野生动物摄影,住酒店对空调要求很高,更愿意找安静的餐厅吃晚饭,不喜欢嘈杂的酒吧。

没有记忆时,它给出的是一份标准行程:滨海湾、唐人街、滨海湾金沙,千篇一律,跟你的兴趣毫无关联。而有了 dreaming,它会从你的实际情况出发来规划:工作后有多少空闲、七月天气炎热潮湿、偏好自然与摄影、对空调有强烈需求、用餐喜静。行程以飞禽公园和夜间野生动物园为核心,第一晚推荐提前订位的安静餐厅,酒店方面则会主动确认你的具体需求再定方案。

偏好可以有很多形式:个人特征(如“我是素食者”或“我有小孩,需要提前备好一周的餐食”)、表达风格(如“用项目列表而不是长段落”或“请用西班牙语回答”)、硬性限制(如“不要推荐含柑橘类的东西”)。

Preference adherence 效果对比

三、随时间自动更新

记忆不能停在过去,得跟上时间的流逝。

传统记忆系统有个死穴:你告诉 ChatGPT“我在新加坡,推荐今晚吃什么”,几周后你回国了,它还以为你人在新加坡。dreaming 解决了这个问题——它会随着时间推进自动修正记忆,把“你七月要去新加坡”更新成“你七月去了新加坡”。等你回到家再让它推荐外卖,它会从你家附近出发,而不是执着地为你寻找新加坡的深夜餐厅。

没有 dreaming 时,曾出现过这样的真实案例:用户问“帮我找今晚还开着的外卖”,模型却推送了新加坡的餐厅,而且还是新加坡凌晨五点十九分的时间——因为它认为用户仍然在那里。有了 dreaming,同一个问题,模型直接切换到用户家附近(如 Portola Valley / Ladera),推荐了 Alpine Inn、Taverna、State of Mind 等真正可用的外卖选项。

评测数据表明,在那些“时间流逝会改变正确答案”的问题上,dreaming 带来了大幅提升。

Staying correct over time 效果对比


算力降低 5 倍,免费用户也快了

此前受算力成本限制,OpenAI 无法向免费用户提供同等质量的记忆服务。这次更新中,OpenAI 将 dreaming 服务免费用户所需的算力成本降低了约 5 倍,这使得向免费用户推送 dreaming 成为可能,同时也为 Plus 和 Pro 用户扩大了记忆容量。

往后看,dreaming 将成为所有用户共享的记忆基础架构。OpenAI 表示,这是他们迄今为止能力最强的记忆系统,后续还会持续改进。如果你对记忆功能的细节感兴趣,也可以时常到 云栈社区 的讨论版块里看看大家的实战经验与反馈。

https://help.openai.com/




上一篇:MySQL核心命令速查与性能优化实战(2026最新版)
下一篇:book-to-skill:把技术书变成 Claude Code 技能,这思路挺狠
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-6-7 02:24 , Processed in 0.814578 second(s), 41 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表