研究 · NVIDIA Technical Blog
NemoClaw：记忆提高了准确率，也可能干扰回答
NVIDIA的实验表明，结构化记忆能改善团队智能体的回答，复杂问题尤其受益，但部分指标下降。准备本地助手时，值得投入的包括决策之间的关联、可追溯的原始资料，以及能在后续运行中保留的用户纠正。
这对买家意味着什么
对团队助手来说，整理记忆可能比继续增大模型更值得投入。选择更强的服务器之前，应确定哪些决策需要保留、怎样区分现行要求与旧要求，以及由谁纠正系统积累的工作理解。
对话保存文字，项目需要关联
在2026年9月4日的NVIDIA文章中，作者比较了检索原始资料的智能体与使用结构化记忆的智能体。在186道问题上，准确率从82.8%提高到90.9%，增加8.1个百分点。两种配置都使用NVIDIA Nemotron 3 Ultra。值得关注的是工作上下文的组织方式：保存事件之间的关系改善了回答，但部分分类成绩有所下降。
对话历史混合着当前重点、已撤回的请求和中间决策。检索能找到相关消息，却仍需把它们连接起来。举一个假设项目：截止日期先被确认，随后延期，项目名称后来又缩短。回答当前进度需要理解这三处关联。助手若只找到最初日期，即使引用真实文件，也可能答错。
可以检查和拆解的记忆
NemoClaw示例把这种记忆称为self model，即自我模型。它由记录人员、项目、重点和工作习惯的结构化Markdown页面组成。其模式规定索引、交叉引用、信息来源和增长限制。每项任务只取出有限的相关上下文。助手误解项目状态时，用户因此可以检查具体页面或某条关系。
这些页面保存对工作的派生理解，原始消息继续作为证据。另一份SQLite台账记录待办义务、重要性判断、纠正和审计事件。智能体不会把自身判断写回原始消息，变成已读标记或标签。这种分离有助于逐层定位错误：原始证据、记忆更新、检索选择，还是最后的判断出了问题。
收益并不均匀
Agent Memory Benchmark比较的是进行多轮资料检索的agentic RAG基线与self model配置。RAG指检索增强生成。在31道复杂问题上，准确率从67.7%升至87.1%。团队工作中的答案经常依赖多条消息，因此这个变化很有意义。整体成绩衡量的是该题集上的回答质量，并不代表服务器速度或能同时服务多少员工。
下降同样需要关注。忠实于资料库的回答类别包含13道问题，指标从100.0%降至92.3%。30道单跳查询题的准确率也从86.7%降至83.3%。小类别需要谨慎解释，但不能忽略退步。对文档助手而言，这支持保留通往原始证据的路径：组织良好的概括，有时仍不如直接找到某项事实。
纠正应影响下一次决定
持久记忆也会长期保存错误判断。示例允许用户把待办事项移到其他优先级，或选择忽略；后续运行保留该决定。每次变化只写入一次追加式审计记录。反复出现的纠正模式可以更新一份简短、可读的偏好规则，用户能查看、编辑或删除。
作者还把来信声称的紧急程度与用户意图分开。最高等级留给与明确重点相关的义务，普通程序代码限制各等级数量并执行排序。团队助手需要记住任务为何重要，也需要接受负责人的明确纠正。否则，上下文越积越多，只会让错误建议更加顽固。
记忆与执行权限的边界
NemoClaw通过NVIDIA OpenShell安全运行环境集成该示例，限制智能体对文件、进程和网络的访问。对于受管理的模型推断运行和MCP连接，凭据留在隔离环境之外。关于首选沟通渠道的记忆可以帮助提出建议，发送权限则单独确定。记忆与检索到的文档始终是模型输入。
当前方案只处理记忆基础，不发送消息，也不修改原始系统。示例人物和消息都是虚构的，离线演示用预先记录的模型决策代替实时模型推断运行。因此，真实团队助手需要单独安排整理和维护记忆的准备预算。NVIDIA的结果支持先做这项投入，再考虑仅靠替换模型解决此类错误。
选购系统前要验证什么
- 助手需要关联哪些项目改名和截止日期变更？
- 能否从记忆页面打开原始消息并查看结论来源？
- 谁有权纠正优先级或删除已保存的偏好？
- 现在需要连接工作系统，还是阅读助手已经够用？
买家建议属于我们的编辑解读。原文并不证明目录中某款系统的速度或兼容性。