Episodic Memory 情景记忆
情景记忆是AI记忆系统的一种，模拟人类对特定经历与事件的记忆能力，帮助模型在对话或任务中持续保持上下文和个人化信息。
一句话解释
情景记忆是AI记录并回忆具体事件、时间线和用户交互细节的能力，类似于人类对「昨天下午3点喝了一杯咖啡」的记忆。它让AI不再是每次对话都从零开始，而是能基于过往经历做出更连贯的反应。
为什么会被关注
传统AI模型缺乏持久记忆，每次交互都是独立会话，导致用户需要反复提供背景信息。情景记忆让AI能记住用户偏好、历史动作和对话上下文，实现更自然、个性化的体验。
在自动驾驶、机器人等场景中，情景记忆帮助系统记住特定环境变化和异常事件，提升安全性和适应能力。同时，它也是实现通用人工智能的关键模块之一，让机器具备类似人类的经验积累能力。
核心逻辑
情景记忆通过事件编码、存储和检索三个步骤实现。每个记忆被标记时间戳、空间位置和相关实体，形成结构化的经历片段。AI使用注意力机制或专用记忆网络（如记忆增强神经网络）来高效索引和召回。
与固定长度的上下文窗口不同，情景记忆可以存储大量历史事件，并基于相似度或时间顺序进行选择性回忆。它通常与其他记忆系统（如语义记忆、工作记忆）配合，构成完整的认知架构。
常见场景
智能助手：记住用户上次聊到的旅行计划，第二天继续讨论行程细节，无需重复说明。游戏NPC：根据玩家之前的互动行为改变任务、对话或态度，增强沉浸感。
医疗AI：记录患者每次问诊时的症状、用药和反馈，辅助医生进行长期追踪。教育系统：追踪学习者的答题历史和知识薄弱点，动态调整教学内容。
容易混淆的点
情景记忆与语义记忆不同：语义记忆存储客观知识，如「咖啡是一种饮品」；情景记忆存储个人经历，如「我今早喝了一杯热拿铁」。
情景记忆也不是工作记忆——后者只短暂维持当前任务信息，容量有限。此外，不要把情景记忆直接等同于长短期记忆网络（LSTM），LSTM是一种神经网络结构，并非认知记忆模型。情景记忆更强调事件的时间顺序和情境关联。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词上下文窗口是大型语言模型（LLM）在单次处理时能够“看到”和参考的文本信息总量。它就像模型的“工作记忆区”，决定了AI能记住多长的对话历史、理解多复杂的文档，是影响模型实际应用效果的核心参数。
持续学习是人工智能模型在部署后，能够持续从新数据中学习新知识、适应新任务，同时避免遗忘旧知识的能力。它旨在解决传统AI模型训练完成后知识便“固化”的局限，是迈向更通用、更灵活AI的关键一步。
Long-Term Memory（长期记忆）是指AI系统能够跨越多次对话持久保留用户信息、偏好和历史交互的能力，从而提供更个性化和连贯的服务。