MemOS，把 LLM 记忆当系统资源管理
最近读到 MemTensor 团队那篇 39 作者的 MemOS 论文，被一句话点到——当前的 LLM，处理记忆的方式像极了没有 OS 的早期电脑：程序直接跑在裸机上，没人管资源调度。参数记忆改不动，激活记忆活不久，RAG 是临时打的明文补丁
最近读到 MemTensor 团队那篇 39 作者的 MemOS 论文，被一句话点到——当前的 LLM，处理记忆的方式像极了没有 OS 的早期电脑：程序直接跑在裸机上，没人管资源调度。
参数记忆改不动，激活记忆活不久，RAG 是临时打的明文补丁。每个 agent、每个平台各存各的，记忆全是孤岛。
MemOS 想做的是把“记忆”提到一等公民的位置——做成可调度、可迁移、可演化、可审计的系统资源。
核心抽象叫 MemCube，三种异构记忆被包成同一种“原子”，可以在明文、激活、参数三种形态间自由转换。常用的明文知识自动“沉淀”成参数，像缓存升级到主存。
LoCoMo benchmark 上，时序推理 +159%、token 开销 −61%。数字要打折看，但方向很清晰：记忆这件事，该从工具阶段走向系统化治理了。
下一代 AI 基础设施的形状，可能就藏在这种“操作系统化”的视角里。
💬 本文评论区已开启，但暂无读者留言。
本文转载自微信公众号，如有侵权请联系删除。
- 标题: MemOS，把 LLM 记忆当系统资源管理
- 作者: lxiol
- 创建于 : 2026-05-06 19:58:23
- 更新于 : 2026-05-12 16:07:03
- 链接: https://blog.lxiol.cn/2026/05/06/MemOS把-LLM-记忆当系统资源管理/
- 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。