人工智能海马体：我们距离人类记忆还有多远？

记忆在增强现代大语言模型（LLM）及多模态大语言模型（MLLM）的推理能力、适应性与上下文保真度方面起着基础性作用。随着模型从静态预测器向支持持续学习与个性化推理的交互系统演进，记忆机制已成为其架构与功能发展的核心主题。本文对LLM与MLLM中的记忆研究进行了系统性综述，提出包含隐式、显式与智能体记忆三大范式的统一分类体系。隐式记忆指预训练Transformer参数中嵌入的知识；显式记忆利用外部存储实现可查询的动态知识表示；智能体记忆则支持自主智能体的长期规划与多智能体协作。文章还探讨了多模态场景下的记忆整合，并分析了关键架构进展、基准任务及开放挑战。