试想一下，假如你跟一位 AI 助手用了大半年。时间长了，它会攒下你不少底细：你住在城西，骑车上班二十分钟，楼下有家面馆开到凌晨，加班晚了就去那儿。这些你说的时候未必当回事。
后来你搬了家。某次闲聊里顺口提了一句「上个月搬到城东了，通勤改坐地铁」，没有郑重报备，也没说城西那间房子不住了。
于是有一天，在一段完全不相干的对话里，你问它「加班到十点，附近还有哪儿能吃口热的」。它是按城东这边来给建议，还是照着半年前那个住城西、楼下有家凌晨面馆的你，把地址发过来？
「知识更新」：AI用新认知替代旧认知
在 LongMemEval 这套AI记忆“高考真题”里，紧挨着「用户偏好」的下一类考点，正是这类问题——「知识更新」。它考的重点不在「记住了多少」，在「记住的是哪一版」。
考卷里记着这么一个人。一只猫，他先说养了六个月，过了几个月再说起，成了九个月。中间没有一句更正，他只是在别的话里又提了一次。
两句话之间没有留下标记，能分开它们的，是时间。题目问的就是这件事：你养 Luna 多久了？答案取九个月。答成六个月的系统，记性其实不差，它只是把旧的那一版当成了现在。
这套考卷由 UCLA、腾讯 AI Lab 与加州大学圣地亚哥分校合作完成，2025 年被 ICLR 收录，题库公开，题面可以逐条查到。按它的设计，这类题看的是模型能不能认出用户生活状态的变化，并据此把对这个人的认知更新过来。
这一类题在整套考卷里一共 78 道，红熊 MemoryBear 答对 77 道，准确率 98.72%。说得具体些，那句「养了六个月」它没丢，后来那句「养了九个月」它也接住了，问到今天的事，它按今天的情况答。
这类题的判分规则比想象中宽松。答出更新后的那一版就算对，哪怕顺带提一句旧版也没关系。考卷明确允许「原来是蓝的，现在是绿的」这类回答，只要落点在新版本上。它并不要求 AI 假装旧事没发生过，关键是它知道哪一版算数。这一点值得多说一句：能说清「你以前是这么想的，后来改了」，有时正是记忆的用处。
知识更新难点：捕捉细节，认清时序
「知识更新」和前两类考点的性质不太一样。事实和偏好属于「加」：说过的越多，AI 知道得越多。知识更新是「改」：说过的越多，手里攒下的版本越多，判断哪一版算数反而更难。这一层难度，光靠多存一点记忆解决不了。
「知识更新」这类考题，难点有三：
信息变化都藏在细节里
没人会说「请注意，以下信息作废」。真实对话里，变化是夹在别的话里的：明明在问长途骑行该订什么样的住宿，顺口带一句「这次我会带四辆车过去」；明明在聊咖啡积分怎么攒，顺手更正一句「我其实需要 120 颗星」。系统要在毫无标记的前提下，自己认出这是一次状态变更。
要能准确判断信息的时序
这一点跟用户偏好不同：用户偏好需要记住的是适用范围；知识更新则需要分辨时间顺序，哪一版先说、哪一版后说、现在该按哪一版。如果简单平铺，同一个问题又会一次答新的、一次答旧的。麻烦在于新旧两版在语义上跟问题高度相关，「像不像」分不出先后，只有「什么时候说的」能分。
旧信息也要记得并合理使用
考卷里就有题一次问两版：以前多久打一次网球，现在多久打一次。旧的那版没有作废，它换了个用法。同一件事的两版，各有各的用处，取哪一版取决于问题问的是什么时候。
人脑处理这件事的办法，跟 AI 常用的两种做法不太一样。认知科学里有个现象叫记忆再巩固：一段旧记忆被重新想起来的时候，会先进入不稳定的状态，再重新稳定一遍，新信息就在这个窗口里混进去。所以同一件事，你隔几年再回忆，版本往往略有出入，说不上哪一次才算原始版。
AI 要补的正是这一课，只是补法不能照抄。人脑改完只剩一版，改得还不知不觉；AI 要是也这么覆盖，用户回头问起以前的事，就再也查不到。对这个差别，MemoryBear 的选择是留住旧的那一版，像一个会记账的人，账目改了，旧记录仍在。
这类题在考卷里出现的样子很不显眼。背景是长达数月的聊天记录，约 11.5 万 token、四十多个会话，一次变化可能只出现过一次，之后再没被提起，直到某个完全不相关的问题才被检验。
这类失效在真实使用里格外麻烦。答错事实，用户一眼能看出来；答的是半年前的信息，听起来句句合理，用户未必立刻发觉，等发现时已经按旧地址出了门。
MemoryBear：为每条记忆加上“时效”
常见做法在这里容易出两种偏差。一种是「以新替旧」，新信息一进来就把旧的盖掉，历史随之丢失，用户回头问起以前的事，系统答不上来。另一种是「平铺并列」，新旧两条同时存着，检索时哪条离问题近就取哪条，于是同一件事，这次答的是新地址，下次答的是旧地址。
MemoryBear 的思路，是把一条记忆当成有生效时间的版本，不是一个可以随手覆盖的字段：
❖摄取阶段：每条信息进来时带上时间戳，系统判断它是一次新的陈述，还是对已有状态的修改。是修改，就把新旧两条挂到同一件事上，排成一个版本序列，不各存各的。
❖组织阶段：旧版不删。它被标上失效的时间点，仍然可检索、可溯源。于是「现在养了多久」和「上次说的多久」各有对应的那一条，问哪一问，接哪一条。
❖调取阶段：按问题的时间指向取版本。问现在，取当前那一版；问过去，取当时生效的那一版；问题里没有时间线索时，默认按当前版本作答，因为用户通常关心的是现在。
❖作答阶段：模型拿着召回的版本组织回答。要是两版信息冲突、又没有足够线索判断哪个更新，它会把这一处不确定说出来，请用户确认，不随手挑一个当成事实。
真正拉开差距的地方在这里：知识更新考的是「存下新东西之后，还知不知道旧的放在哪、什么时候该换成新的」。一条被覆盖的记忆，用户再也问不回来；一条没有排序的记忆，系统自己也说不清哪个是现在。
记住一件小事，说明 AI 愿意听你说话；记住你的偏好，说明它开始懂怎么和你相处；跟得上你的变化，才说明它真的在陪你往前走，没停在刚认识的那天。
MemoryBear 用带时间戳、保留版本的记忆，在这类考点上拿到 98.72%。
下期我们继续拆解 LongMemEval 的下一类考点：「跨会话」。它考的是，把散在几十次对话里的零碎信息拼到一起，AI 能不能自己串出一条完整的线索。
AI记忆科学100问，我们下期见。
