DeepTech深科技
1 个来源天大教授创业，以可学习记忆为底座，他要推动AI迈向经验时代丨对话郝建业
天津大学教授郝建业创立了MemoraX AI（忆纪元科技），致力于将智能体记忆转化为可训练的学习问题，推动AI从模型时代迈向经验时代。他认为真正的记忆不仅仅是存储和检索，而是需要决定什么值得记住、何时更新和遗忘。
返回信息流
新闻事件
SynthePulse Insight · AI 深度解读会员精读
记忆即基础设施：MemoraX 如何把 Agent 的“记性”变成可训练的学习问题
版本 1 · 1 个来源
当大模型上下文窗口不断膨胀，Agent 的长期记忆却仍是短板。天津大学教授郝建业创办的 MemoraX AI，试图用可学习的记忆模型，把“记住什么、忘掉什么”变成端到端可训练的问题，并主张记忆应成为独立于模型的中立基础设施层。
- MemoraX AI 由天津大学教授郝建业于今年 4 月创立，定位为跨平台、跨模型的统一记忆基础设施。
- 郝建业认为，真正的 Memory 需具备主动筛选、动态更新、智能调用三大特征，区别于上下文、RAG 等被动机制。
- MemoraX 采用“内生型”可学习记忆模型，通过端到端任务反馈训练，而非规则或工作流驱动的“外挂型”方案。
展开章节目录从强化学习到 Agent Memory：同一个核心问题
从强化学习到 Agent Memory：同一个核心问题
郝建业的学术与工业轨迹横跨强化学习、多智能体系统、深度强化学习在游戏 AI、智能推荐、自动驾驶、网络优化和芯片设计等场景的应用。在他看来，从博士阶段到如今创办 MemoraX，底层问题始终未变：智能体如何在持续交互中利用过往经验，提升未来决策能力。
大模型与 Agent 的出现改变了任务环境和信息形态，但并未改变这一本质。当 Agent 面对的不再是结构化状态和奖励，而是自然语言、代码、用户偏好和跨月项目经验时，“如何记住过去”成为“利用过去”的前提。
什么是真正的 Memory：不只是上下文或 RAG
郝建业明确区分了上下文、RAG 与真正的 Memory。上下文只是把原始信息平铺给模型，RAG 通过相似度检索被动召回，两者都未解决信息的主动理解、筛选和升华。
真正的 Memory 需具备三个核心特征：主动筛选与提取（识别什么值得长期记住）、动态管理与更新（随新信息持续整合修正）、智能化调用与经验复用（在恰当时机主动唤起并提炼为可迁移经验）。
可信度边界
本文信息主要来自 DeepTech 对郝建业的专访，属于创始人自述，部分数据（如测试得分、成本）为 MemoraX 内部测试结果，未经第三方独立验证，应视为 source_claim。
主报道
DeepTech深科技
主报道来源