序言
当你告诉智能体“家里有百合”，它可能会记住这条信息。但当你之后询问养猫建议时，它能否主动提醒你：百合对猫有毒？对人类而言，重要的经历和约束会持续影响之后的判断。即使新的问题没有明确提及这些信息，我们也可能自然地想到它们，并据此调整建议。
然而，许多智能体记忆系统更像一本可搜索的笔记：先将历史信息保存下来，等新问题出现后，再按照语义相似度检索相关记忆。问题在于，语义相似不等于真正有用；真正有用的信息，也未必与当前问题在表面上相似。更值得关注的是，这类系统在被直接询问时，往往能够正确回忆历史信息，让用户相信它们会在关键时刻将这些信息“放在心上”。但从“能够回忆”到“主动运用”，仍然存在容易被忽视的距离。
本期ANative TALK，我们邀请到中国科学技术大学李睿哲，带来主题分享：Similarity ≠ Utility：智能体长期记忆系统与测试基准中的盲点。本次分享将围绕智能体记忆中的隐含关联问题展开，介绍团队提出的测试基准InMind，并分享团队对这一问题的思考与最新进展。
讲座核心内容
随着大语言模型智能体走向长期交互，记忆系统需要保存用户信息，并在后续任务中提供支持。但保存了信息，并不意味着系统能够在需要时找到它；能够回忆信息，也不意味着系统会在合适的情境下主动使用它。本次分享将以研究工作Keep It InMind: Benchmarking the Implicit-Association Blind Spot in Agent Memory为切入点，讨论智能体长期记忆系统及其测试基准中的盲点。
语义相似与实际效用之间的错位
许多记忆系统依赖语义相似度，将当前问题与历史信息进行匹配。这种方式能够帮助系统找到主题接近的内容，但有些关键记忆与当前问题之间，存在的是需要进一步推理才能发现的关联。例如，“家里有百合”是一条关于居家环境的信息，“养猫建议”则涉及宠物照护。二者表面上并不相似，却因为百合对猫有毒而产生重要联系。如果检索系统未能识别这种关联，就可能遗漏真正影响建议的信息。
直接回忆与情境运用之间的差距
当用户问“我家里有什么花”时，智能体可能准确回答“百合”。但当用户问“养猫需要注意什么”时，系统需要自行识别：此前保存的居家信息，会影响当前建议。这两种情境对记忆能力提出了不同要求。前者提供了明确的回忆线索，后者则要求系统发现隐含关联，并判断历史信息是否需要参与当前决策。因此，仅凭直接提问时的正确回答，还不足以判断系统能否在关键时刻有效使用记忆。
InMind：关注记忆中的隐含关联盲点
围绕上述问题，团队提出了测试基准InMind，关注智能体记忆中的隐含关联盲点。本次分享将介绍 InMind，讨论这一问题为何值得关注，以及它对理解和评估智能体长期记忆能力的启示，并交流团队的最新进展。
你将了解到
1. 为什么“记得住”不一定意味着“用得上”
记忆的价值不仅体现在信息能否被保存和回忆，还体现在它能否在后续任务中发挥作用。通过具体案例，本次分享将讨论从保存历史信息到支持当前判断之间的差距。
2. 语义相似度检索可能遗漏哪些关键记忆
与当前问题措辞不同、主题不同的信息，也可能对回答产生直接影响。这类隐含关联对记忆检索提出了哪些要求？为什么相似性匹配可能无法调取真正有用的信息？
3. 为什么直接提问可能掩盖记忆系统的局限
系统能够准确回答历史事实，容易让用户相信它也能在相关情境中主动考虑这些事实。本次分享将讨论：为什么“被问到时能想起”与“需要时会想到”应当得到分别关注。
4. InMind 如何帮助我们审视记忆能力
围绕 InMind，本次分享将介绍团队对隐含关联盲点的研究，探讨现有测试方式可能遗漏的问题，以及这些问题对智能体记忆系统的启示。
嘉宾简介
李睿哲
来自中国科学技术大学，研究方向包括LLM Agent、Agent Memory和Agent Evaluation等。代表工作包括深度研究测评基准DeepResearch Bench II，已被NVIDIA、Huawei、Nous Research等团队采用；以及智能体长期记忆框架ReFind，在第一届Agent Memory Challenge开源榜单中排名第二。GitHub：https://github.com/imlrz
适合谁来听？
如果你关注以下方向，欢迎参加本次分享：
LLM Agent 与智能体系统
智能体长期记忆与个性化交互
记忆检索与隐含关联推理
Agent Evaluation 与测试基准设计
大模型应用中的上下文管理
智能体回答的可靠性与实际效用
无论你正在研究智能体记忆机制，还是构建需要持续理解用户的 AI 应用，都可以带着这个问题参与交流：系统保存的信息，是否真的参与了后续判断？
活动信息
📅讲座时间
2026 年 11 月 18 日（周三）16:30—17:30
中国标准时间 · 北京（GMT+08:00）
🎙️分享嘉宾
李睿哲 中国科学技术大学
🔍分享主题
Similarity ≠ Utility：智能体长期记忆系统与测试基准中的盲点
📚相关研究
Keep It InMind: Benchmarking the Implicit-Association Blind Spot in Agent Memory
💻会议平台
腾讯会议
🔗会议号
507-251-017
结语
当智能体逐渐参与长期交互，用户期待它能够记住过去，也期待这些记忆能在后续交流中发挥作用。一条重要的信息，可能不会在新的问题里被再次提及，却仍然应该影响回答。从“我记得你说过”，走向“我在回答时考虑到了”，需要系统发现历史信息与当前任务之间的联系，也需要评测方式能够识别这方面的能力与不足。11月18日，欢迎来到ANative TALK，与李睿哲一起走进InMind，探讨智能体长期记忆中那些容易被忽视的关联。
🚀加入EvoAgentX开源社区，一起探索AI Agent的未来欢迎加入项目交流群，与开发者、研究者和AI爱好者共同交流Agent架构、应用实践与最新进展。
👇 长按识别下方二维码，加入交流群
⭐Star us on GitHub，让更多开发者发现并参与EvoAgentX！https://github.com/ANative-Lab/EvoAgentX