跨越时间的状态与推断架构

你的数据已经成为记忆

删除一条记录,并不等于它已经停止影响系统未来的行为。

从一个场景开始

过去之所以拥有力量,不只是因为它被保存,而是因为它仍有道路回到行动。

从一个场景开始

旧地址删除了,包裹仍被寄往那里

用户搬家后更新收货地址,并删除旧记录。界面显示 DELETE SUCCESS。几周后,智能体代购一台设备,却仍把它寄往旧住址。删除操作成功了,过去仍在工作。

旧地址可能留在检索索引、派生摘要、偏好状态或另一个系统中;也可能没有被直接复制,而是由多个信号推断出来,成为一条原始表格里从未出现过的新信息。

因此,页面追踪的不只是存储位置,而是跨越时间的状态架构:写入路径、推断来源、再次激活,以及过去应当失去影响未来行动资格的那个时刻。

动手探索

追踪旧地址的影响路径

让已经删除的地址经过四个状态,检验系统是否真正完成了有效遗忘。

最初明确说了什么?

把原始证据与后续解释分开保存。

查看所有视角
  1. 最初明确说了什么?

    把原始证据与后续解释分开保存。

  2. 系统新增了什么?

    标出派生知识及其形成依据。

  3. 后来什么发生了变化?

    新证据可以修正、补充或降低旧结论的权重。

  4. 它何时停止影响行动?

    内容可以保留为历史,却退出当前决策。

可交互的示意场景

核心问题

那条从未存在于任何原始记录中的信息,究竟由谁治理?

先定位:旧信息还活在哪一层

如果把不同机制都称为“记忆”,一个看似简单的问题就会变得困难:错误应该在哪里改?修改数据库中的记录,未必会改变另一个组件保存的摘要,也未必能消除模型根据旧材料产生的推断。

因此,活图书馆展示的是信息的旅程。来源、转换、检索条件和使用场景共同解释一条信息为何影响当前结果。

再追踪:来源怎样变成当前状态

用户明确说出的事实,与系统从若干信号推导出的偏好,不具有同样的地位。推断可以有用,但不能因为语气确定,就被当成原始事实。

来源追踪让人看见一项知识经过哪些材料和步骤形成。当来源更新、证据不足或任务改变时,我们才有机会重新审视它,而不是让旧推断继续悄悄工作。

关键检验:有效遗忘

“有效遗忘”(Effective Forgetting)是这场演讲提出的系统级框架。删除发生在某个表、索引或日志;有效遗忘则检验整个系统:原始信息、派生信息与重新激活它们的路径,是否已经停止产生被禁止的未来影响?

被保存的内容未必仍然生效,表面消失的内容也未必不再影响。历史可以为了审计继续存在,却不再拥有当前状态的权力。记忆质量不仅取决于系统能找回什么,也取决于它能否让过时内容适时退出行动。

形成闭环:旧知识凭什么重新生效

长上下文、检索增强生成与智能体持久记忆,让过去更容易回到现在。真正的进步则来自更精细的区分:什么是证据,什么是解释,什么只是暂时假设。

这样,记忆不再只是仓库,而成为学习基础设施:组织能连接经验、识别情境变化,并在下一次行动前知道当前知识来自哪里。

走进思想的深处

让问题打开新的视角

系统知道的一切都存放在某个文件里吗?

不一定。模型参数、当前上下文、检索文档、日志和推断都可能影响答案,每一层的更新方式不同。

记得越多,助手就越好吗?

不一定。选择、时效、检索相关性和任务适配,往往比保存数量更重要。

系统如何记住我们从未直接告诉它的内容?

它可能综合多个信号形成推断。这样的信息应被标为派生结论,并接受不同于原始数据的检验。

为什么遗忘与记忆同样重要?

世界会变化。某项内容可以继续作为历史存在,但不应继续左右新的判断。

谁有权改写系统的记忆?

答案取决于记忆层与任务,但写入、纠正和终止影响的权力都应清晰、可观察并对应责任。

离开会场之后

让好奇心走出会场

画出写入路径,不要只看读取路径。今天被系统写下的状态,可能成为尚未发生的决定的输入。

  1. 区分保存信息、将其提供为上下文以及后续使用。
  2. 识别机构对派生信息及其时效变化承担的责任。
  3. 从使用质量和影响边界评估记忆,而不只关注容量。

这份思想的书架

这些作品帮助理解主题的来路,也为继续阅读提供线索。

  1. The Working Set Model for Program Behavior

    Peter J. Denning

    由作者研究机构提供的 1968 年《Communications of the ACM》论文副本;文章提出工作集模型,描述程序行为窗口中处于活跃状态的信息。

  2. A Relational Model of Data for Large Shared Data Banks

    E. F. Codd

    已发表论文,提出关系数据模型,并区分数据的逻辑表示与物理存储。

适合听众

  • 数据、AI 与隐私负责人
  • 数据治理、安全及数据架构团队
  • 持久记忆系统的研究者与开发者

适用情境

适用于利用用户历史或组织知识的企业助手及个性化服务。

内容边界

不提供隐私法律意见,也不承诺清除所有系统中的每一处信息痕迹。

设置邀约背景

一个核心问题,匹配不同听众的深度。

拟议形式
洽谈演讲

以下形式均为提案。内容准备情况、时长与互动方式须针对每次邀约确认。 这些语言用于网站介绍。现场演讲语言及口译安排须针对每次邀约单独确认。

贯穿其中的线索

相关内容