来源：人民日报
不用反复粘贴历史对话，大模型也能记住过往经验、持续迭代能力。10月20日，上海研发团队推出记忆原生模型MemT 1.0系列并正式开源，为大模型能力持续增长开辟新路径。
MemT 1.0包含288B参数的MemT-1.0-Flash与36B参数的MemT-1.0-Nano两款模型。团队在Transformer架构中嵌入原生记忆模块，让注意力机制与记忆注意力并行计算，把可更新、可持久保存的内部记忆融入模型前向传播。这套创新架构依托逐token稳定更新机制、混合存储扩容方案，搭配两阶段训练策略，实现信息写入、更新与选择性遗忘。
评测数据亮眼：在11项记忆基准测试中，两款模型包揽参数化记忆方法前两名。在编程智能体任务中，MemT-1.0-Nano在SWE-bench Verified数据集上成功率显著提升；面对128K、256K超长历史场景，推理速度大幅提速，记忆存储开销仅为完整上下文方案的约1/66。
长久以来，多数大模型依赖一次性上下文窗口读取信息，难以沉淀长期经验。MemT 1.0的突破，推动人工智能从单次推理走向持续积累、自主成长，可赋能智能客服、自动化研发、个性化服务等场景。目前，模型权重已在Hugging Face开放获取。团队透露，后续将攻坚长期记忆能力、扩容降本，探索跨任务经验整合，助力AI技术落地产业。
