当前位置: 首页 > news >正文

更懂你的ChatGPT来了!通过做梦整理记忆,事实准确率83%

OpenAI正式推出基于Dreaming(做梦)的全新记忆架构。

ChatGPT终于学会在后台自动整理你的偏好、项目和约束条件,事实准确率,偏好遵循大幅提升,还能随时间更新。

从2024年4月的手动保存,到2025年4月引入后台自动整理,再到今天Dreaming V3,ChatGPT的记忆系统经历了从"笔记"到"大脑"的跃迁。

计算效率提升了约5倍,免费用户也将能用上这套系统。

从记笔记到会整理

2024年4月,ChatGPT的记忆功能首次上线,叫做Saved Memories(已保存记忆)。

用法很简单,你跟ChatGPT说"记住我7月要去新加坡",它就把这句话存下来,下次对话时调出来用。记忆只在对话进行时写入,你不说,它就不记。

实际体验有点像跟一个只会记笔记但从不整理的人聊天。你明确要求它记的,它记住了,你没特意说的,它全忘。而且这些笔记会过时。

2025年4月,OpenAI引入了Dreaming的初版(V0)。

思路变了,不再只依赖用户手动指令,而是在后台自动回溯聊天历史,从中提取和合成记忆。你在多次聊天中自然流露的信息,比如你喜欢野生动物摄影、住的地方空调要好、偏爱安静的晚餐,Dreaming都能帮你归拢起来,不用你专门交代。

后台进程定期跑一遍你的聊天记录,把零散信息整合成一份连贯的记忆状态,保证每次对话拿到的都是最新、最相关的上下文。

Dreaming V0作为Saved Memories的补充,确实让ChatGPT的个性化能力上了一个台阶,也缓解了旧记忆过时的问题。但它一直没法独立撑起整套记忆系统,计算开销也限制了覆盖范围。

ChatGPT服务数亿用户,记忆需要覆盖的时间跨度长达数年,旧架构在过时性、正确性和可扩展性三个层面都扛不住这个规模。

现在上线的Dreaming V3,能力更强,效率更高,将成为所有用户的记忆底座。

Dreaming合成的记忆可以通过Memory Summary(记忆摘要)页面查看。你能快速浏览ChatGPT了解你的核心信息,也能手动添加或更新内容,还能划重点告诉ChatGPT哪些话题该提、哪些不该提。想深入了解某一块,直接跟模型聊就行。

记忆好不好,三条标准说了算

OpenAI定义了评估记忆质量的三个维度:延续上下文(事实回忆)、遵循偏好、与时更新。

延续上下文指的是你说过一次的事,ChatGPT下次对话还能用上。你不用每次新对话都从头介绍自己,ChatGPT能基于先前的上下文直接推进,尤其对那些复杂、长期的项目特别有用。

Dreaming V3延续上下文准确率已经提升到82.8%。

比如你之前跟ChatGPT聊过自己的水下摄影装备,之后再问"我的摄影设备需要买什么TTL配件",有记忆的ChatGPT能直接对着你曾跟它聊过的配置,给你推荐具体的触发器和转换器型号。没有记忆的ChatGPT,则甩过来一张通用购物清单。

偏好遵循准确率也提升到了71.3%。

遵循偏好也很好理解。偏好不只是明说的约束,还包括你聊天中自然流露的倾向。偏好有几种形式,你给ChatGPT的明确指令,比如"别再提xx了";你的个人偏好或限制,比如"我吃素";还有隐含偏好,比如"我住在旧金山附近",那推荐本地选项时应该围绕这个区域来。

比如你之前跟ChatGPT规划旅行时提过喜欢野生动物摄影、住酒店空调要强、晚餐偏爱安静的餐厅,等你在7月出差新加坡还有几天空闲时,有记忆的ChatGPT会自动围绕你的偏好来规划行程。

没有记忆的版本呢,给你一个标准游客三日游模板,跟你的兴趣几乎没关系,更像是在照抄一份旅游攻略。

与时更新,是传统记忆系统最容易翻车的地方。ChatGPT在与时更新上准确率也提升到了75.1%。

传统记忆,时间是不会更新的。比如你告诉ChatGPT"我下周六要办生日派对",等周日到了,记忆里还写着"用户下周六要办派对"。

而ChatGPT最新记忆,时间不会因为你关了聊天窗口就停下来。

比如在你旅行结束时,记忆将从"你七月去新加坡"修正为"你2026年7月去过新加坡"。然后,当你回到家时,告诉ChatGPT:"帮我找个今晚还开着的外卖"。它能精准给你提供针对你所在位置和时区的推荐。

在延续上下文、遵循偏好、与时更新三个方向上,Dreaming V3都带来了显著提升。

Dreaming V3是OpenAI迄今为止能力最强的记忆系统,计算效率也大幅提升。

过去,Dreaming虽然对Plus和Pro用户开放了一段时间,但计算成本太高,没法推给免费用户。

OpenAI最近一轮优化把服务Dreaming的计算量砍掉了约80%,相当于效率提升了5倍。未来几周将把Dreaming逐步开放给Free(免费)和Go用户,同时还能给Plus和Pro用户增加记忆容量。

参考资料:

https://openai.com/index/chatgpt-memory-dreaming/

http://www.rkmt.cn/news/1501518.html

相关文章:

  • 2026年成都奢侈品寄卖市场格局与发展趋势分析——以新津区及主城区代表性机构为例 - 优质品牌商家
  • HBase性能优化与高可用配置
  • 2026年 深圳MES系统/软件/方案源头厂商排行榜:智能车间数字化转型的优选推荐 - 品牌发掘
  • pixi-live2d-display企业级解决方案:革命性的Web动态角色集成框架
  • PMSM全速域无传感器控制实战包:含EKF算法Simulink模型、推导教程与参数调试脚本
  • 船舶检测专用YOLOv5工程包:带预训练模型、VOC格式数据集与完整训练推理代码
  • 3个突破性方法:如何用ROS2 SDK彻底改造四足机器人?
  • 用Python+LLM复刻斯坦福AI小镇:手把手教你搭建自己的25个智能体沙盒
  • 2026年支吊架行业供应体系分析:从选型到交付的可靠路径参考 - 优质品牌商家
  • 别再只点灯了!用ESP32的FFT功能做个实时音频分析仪,附Arduino代码详解
  • 数据备份101:企业容灾入门指南
  • 分数对数拉普拉斯算子:理论与应用解析
  • 【AI daily 2026-06-10】RAG 2026 已进入“Agentic RAG“时代
  • 如何用Unlock Music终极解决音乐解密和音频格式转换问题:3种简单快速的方法
  • Whiteout
  • AD7606多通道数据采集实战:基于STM32 HAL库的SPI DMA+双缓冲实现指南
  • 如何三步备份QQ空间历史说说:开源工具的完整指南
  • Python工程师在AI工程化方向的具体技术栈和工具链有哪些?
  • 喜马拉雅FM音频下载器:跨平台开源工具终极指南,3步轻松下载有声读物
  • Assistant-UI:一站式高效构建AI聊天界面的终极React组件库
  • 论文双检难题破解:告别降重、去AI痕迹二选一困境
  • 射电AGN中H I吸收现象的研究与MeerKAT观测
  • 在Steam Deck上搭建你的怀旧游戏博物馆:EmuDeck配置指南
  • 2026年 工程勘察资质代办机构推荐榜:专业实力与高效服务深度解析 - 品牌发掘
  • 告别手动梳理!用Python脚本自动生成Verilog模块依赖关系图(附源码)
  • SciDownl终极指南:如何快速批量下载学术文献,提升500%研究效率
  • Vue.js从零到精通系列(三):组件化基础——Props、Emits、插槽与生命周期
  • 高架桥304不锈钢防护护栏厂家选择分析:基于区域服务能力与工程适配性的多维度考察 - 优质品牌商家
  • 保姆级教程:在CW32L083开发板上手把手移植FreeRTOS V9.0.0(附完整源码)
  • 终极指南:如何快速优化腾讯游戏性能的ACE-Guard资源限制器