随着终端 AI 从 " 回答问题 " 走向长期理解用户和主动任务执行，记忆能力正成为决定 AI 个性化与主动服务水平的关键基础能力。

近日，OPPO 联合中文开放知识图谱（OpenKG）社区，推出行业首个面向端侧 AI 记忆能力的评测基准 MobileMem。同时携手浙江大学、同济大学、东南大学等高校专家团队共同建设。通过构建统一、开放的评测 " 标尺 "， MobileMem 让不同技术路线在同一标准下实现可比较、可迭代，加速端侧 AI 记忆技术发展。

这也意味着 OPPO 端侧 AI 记忆的持续投入，正从自身产品能力建设，进一步延伸至行业公共能力建设，积极推动技术开放合作与生态发展。

构建端侧 AI " 记忆 " 的 " 度量衡 "

近年来，长期记忆和长程智能体能力评测已取得大量研究进展，但针对移动端长期个性化、多模态生活场景的系统性评测仍相对不足。

与云端智能体相比，端侧 AI 需要在有限算力、有限存储和隐私保护等约束下，持续积累、更新和利用用户长期记忆，其能力边界和优化目标具有明显差异。

缺乏统一、开放的评测参考，使端侧 Agent 开发者难以开展有效的 A/B 测试和性能回归，研究者也难以在一致的任务和评价协议下客观比较不同方案，进而制约了相关技术的持续迭代与生态发展。

OPPO 携手中文开放知识图谱（OpenKG）社区，联合浙江大学、同济大学、东南大学等主流高校专家教授团队，基于前沿研究与实际端侧场景实践，共同推出端侧 AI 记忆评测基准——端侧 AI 记忆 Benchmark 「MobileMem」，为行业提供开放的评测参考。

该基准评测数据集累计历史上下文规模达百万词元，用于模拟真实用户长期使用过程。在充分借鉴长期记忆、长上下文、多模态智能体等已有研究工作的基础上，MobileMem 聚焦端侧 AI 的真实使用场景与长期个性化需求，主要包括三大核心技术维度：

1. 长期事件建模与检索：覆盖跨时间、跨应用、跨模态事件的记忆存储、更新与检索能力。

2. 跨模态关联与推理：覆盖文本、图像等多模态信息之间的关联理解与推理能力，包括时序推理、关系推理和问答。

3. 持续演化与个性化适应：覆盖用户偏好、社交关系和事件状态随时间变化后的持续更新能力。

举个例子，「个人生活伴侣」场景中。一个家庭正在计划今年的假期旅行，用户问：" 你能帮我规划一次和去年我们喜欢的那次类似的旅行吗？" 助手不是生成通用的旅行推荐，而是基于长期记忆，推荐一份反映用户历史偏好、旅行习惯和消费模式的个性化行程，同时避免之前已发现的不便之处。

该场景体现了 MobileMem 对复杂个人记忆任务的综合处理能力，涵盖长期偏好建模、时间维度的信息聚合、多模态推理、记忆关联和个性化决策等关键能力。

MobileMem：从 " 贡献数据 " 到 " 共建生态 "

MobileMem 为端侧 AI 记忆研究提供统一评测参考，可连接研究、开发与真实产品，其测试框架兼容多种 Agent 和端侧智能体，覆盖任务理解、记忆检索、搜索与执行等模块，帮助开发者在统一标准下测试方案并持续回归性能，支撑产品快速迭代。

OPPO ColorOS 智慧产品研发总监姜昱辰对此表示：" 长期记忆能力是端侧 AI 迈向个性化智能体验的重要基础。OPPO AI 长期致力于端侧记忆技术的基础研究。MobileMem 不仅是一套评测基准，更是加速记忆技术在端侧 AI 落地的行业基础设施。我们希望通过开放这套‘标尺’，与行业共同探索端侧 AI 的未来发展。"

OpenKG 轮值主席、同济大学王昊奋教授表示，MobileMem 致力于为端侧 AI 记忆研究打造统一的评测参照体系，使不同技术路线可在一致的任务框架与评价指标下完成对比迭代，助力产学研针对端侧智能记忆能力开展更为开放的科研合作。浙江大学陈华钧教授指出，未来端侧智能体需要具备面向真实世界的长期记忆、知识积累与持续学习能力，建立系统化评测体系是推动该领域发展的重要基础。

目前，MobileMem 1.0 完整技术白皮书已面向行业开放，后续将逐步开源评测数据集、任务集及相关工具，并持续迭代更新。我们也欢迎产业界和学术界共同参与 MobileMem 的持续建设，不断完善评测体系，推动端侧 AI 记忆技术创新与生态发展。