在人工智能持续向多模态与长期演进的背景下，如何让智能体摆脱“过目即忘”或检索低效的困境，一直是学术界与产业界攻关的核心痛点。近日，浙江大学与联想团队合作提出了一项全新的以事件为中心的多模态长期记忆方案——EM²Mem，相关研究成果已在 EMNLP2026正式亮相。

颠覆传统模式:从“先检索后对齐”到“先对齐后检索”

长期以来，现有的多模态智能体在处理长期记忆时，往往采用的是相对简化的存储与检索方式。这种传统模式通常将各类信息零散存放，导致智能体在面对复杂问题时，难以有效关联不同维度的线索。

针对这一痛点，EM²Mem 方案做出了一项底层逻辑上的颠覆:它将传统的“先检索后对齐”模式创新性地调整为“先对齐后检索”。在记忆构建的初始阶段，该方案就直接把同一事件中的人物、物体、行为、时间等多元线索紧密关联在一起，从而搭建出多尺度的事件档案。在此基础上，通过情节图与语义图的有机结合，进一步连接不同的经历，最终沉淀出长期的规律。

显著提升召回与效率:构建多模态智能体记忆系统 LightMem-Ego

从实际的测试与应用效果来看，EM²Mem 展现出了多维度的性能优势:

准确率与召回率双升: 实验数据显示，相比于现有的常规方法，EM²Mem 在事件级证据召回率以及问答准确率上均实现了显著提升。

降低耗时与算力消耗: 该方案能够大幅降低单次问答的耗时与 Token 用量。由于记忆在构建完成后可以多次复用，经过长期的摊平使用，其综合效率优势更加明显。

依托这一核心技术支撑，研究团队进一步搭建了多模态智能体记忆系统 LightMem-Ego。该系统未来可广泛落地应用于个人生活助手、科学实验室助手等多样化场景，为多模态智能体的持续学习与个性化发展提供坚实的底层支撑。