近日，东北大学机器人科学与工程学院机器人认知实验室（Robot Cognition Lab，RCL）的最新研究成果“Evaluating the Long-Term Memory of Large Language Models”被自然语言处理顶级会议ACL 2025（CCF A类）接收。东北大学贾子熙副教授为论文第一作者兼通讯作者，2023级硕士刘清华为第二作者，东北大学为第一完成单位。
虽然大模型的应用日益广泛，可人们对其原理又知之有限。RCL团队为了探究大模型的记忆规律，创新性地构建了超长对话数据集，如图1所示，模拟人类长期聊天的内容和过程，并以此针对主流大模型进行了长期记忆能力评估。该团队惊喜地发现，大模型展现出与人类相似的记忆特性：记忆会随时间推移逐渐衰减；对不同类型信息存在记忆偏好（如对地点、名称的保留强于事件细节）；间隔式重复训练（Spaced Rehearsal）比集中式训练能更有效地增强记忆的持久性。该团队的工作为进一步研究大模型的结构与原理提供了一种新思路。
图1超长期对话数据集构造流程