Kollab 是一个团队共享的 AI 工作空间，结合 Amazon Bedrock AgentCore 和 S3 构建持久化工作环境。它通过近千个 Connector 连接团队工具，实现任务的跨时段续跑和数据的持久化存储。Kollab 的架构确保了 Agent 的稳定性和安全性，支持任务的持续积累和复用，并能在用户不在时自动更新工作进展，提升团队协作效率。

OpenClaw推出的Active Memory插件解决了AI在对话中遗忘的问题。该插件在每次回复前强制AI检索记忆，确保信息一致性。用户可以通过三种模式（message、recent、full）控制检索范围和成本，从而提升跨场景一致性和长期任务能力，显著改善用户体验。

AI的语义记忆系统因低维空间拥挤而导致遗忘和错误回忆，这是数学定理的必然结果。随着记忆增加，旧信息被淹没，错误信息因相似性而产生。解决方案是引入精确记录层，结合语义理解与事实验证，以管理错误，从而实现AI系统的可靠性与智能性平衡。

研究团队提出了Sa-sft方法，通过让大语言模型在微调前自我生成复习材料，解决了灾难性遗忘问题。该方法无需外部数据，有效保持模型的通用知识，并提升特定任务的表现。实验结果表明，Sa-sft在多个场景中表现优异，验证了风格对齐的重要性。

Google Research在2025年NeurIPS上提出了“嵌套学习”新范式，旨在解决AI的“灾难性遗忘”问题。该方法将模型架构与优化算法整合为多层次的嵌套优化系统，提升AI的持续学习能力。Hope架构的实验结果显示其在语言建模和长上下文任务中表现优异，标志着AI向人类学习能力的进一步靠近。

人类大脑会过滤信息，导致遗忘。要记住书中知识，需要反复阅读和思考。使用工具ebook-to-mindmap可以将电子书转换为思维导图或总结，帮助高效复习。支持pdf和epub格式，推荐使用epub以获得更好效果。

在2025年QCon AI NY上，Tracy Bannon探讨了AI代理的快速普及如何改变软件系统。她指出，混淆不同类型的AI可能导致架构失败，并强调自主性与架构纪律之间的差距。Bannon提出了管理风险的原则，强调身份管理和决策纪律的重要性，呼吁架构师积极参与AI代理设计，以防止架构遗忘。

《威尔逊的奇观柜》探讨了记忆与遗忘的关系，强调博物馆作为知识与惊奇的场所。洛杉矶的侏罗纪科技博物馆通过独特展览挑战传统权威，激发参观者的思考。文章还讨论了科学探索中的幻想与严谨之间的张力，以及对自然奇观的敬畏。

我在米皮店遗忘了一个透明水杯，经过两周寻找后终于找到了。店主表示会保管顾客遗留物品。

哈萨克斯坦艺术家阿尔马古尔·门利巴耶娃的装置作品《后人类物质：游牧再想象地图#3》在汉堡展出。该作品结合手工织物和视频，探讨历史遗忘与文化生存，利用人工智能重构哈萨克游牧民族的故事，批判苏联统治的影响，强调艺术家在“人性化AI”中的重要性。

本文探讨了在目标领域微调语言模型时面临的挑战，如有限数据导致的过拟合和遗忘预训练分布。研究表明，混合1%的预训练数据可以有效防止遗忘并减轻过拟合现象。

本文介绍了一种新颖的正则化方法Proxy-FDA，旨在解决基础模型在微调过程中出现的概念遗忘问题。该方法通过特征分布对齐，保留特征空间中的结构知识，显著减少微调中的遗忘现象。实验结果表明，Proxy-FDA在图像分类和字幕生成等任务中表现优异。

随着人工智能系统的智能化，它们需要遗忘某些信息以防止存储膨胀和决策失误。常见的遗忘策略包括时间衰减、最近最少使用、相关性评分、固定长度滑动窗口和摘要生成。这些策略帮助AI保持高效，专注于重要信息，并适应环境变化。