ChatGPT 做梦记忆更新

OpenAI 为 ChatGPT 引入了一种基于称为“做梦”的过程的显著更强大且计算效率更高的记忆架构。该系统使 ChatGPT 能够通过引用聊天历史记录在后台自动策划和合成记忆，减少已保存信息的过时性，并提升模型在多年时间跨度上保持连续性的能力。

ChatGPT 记忆的演变

ChatGPT 的记忆系统已经从显式的用户触发保存转变为自动后台合成过程，以解决可扩展性和正确性方面的挑战。

• 已保存的记忆（2024 年 4 月）: 初始系统依赖于强烈的提示（例如，“记住我正在前往新加坡旅行”），并且仅在活跃对话期间写入记忆。这种方法经常导致信息过时，并且需要明确的指令才能发挥作用。
• 做梦 V0（2025 年 4 月）: OpenAI 推出了“做梦”的第一个版本，允许模型在已保存记忆列表之外引用聊天上下文，并在后台自动策划记忆。
• 做梦 V3（2026 年 6 月）: 当前架构是做梦的更具可扩展性和计算效率的版本。它作为一个独立的记忆系统，能够在不依赖显式用户请求的情况下合成最新鲜且最相关的上下文。

用户可以通过记忆摘要页面管理这些合成的记忆，在那里他们可以查看 ChatGPT 知道的要点，更新个人信息，并就特定主题提供指令。

关键记忆目标和功能

OpenAI 在三个主要目标上评估基于做梦的记忆系统的有效性：承载前向上下文、遵循偏好以及随时间保持最新。

承载有用的上下文

该系统使 ChatGPT 能够在复杂、长期运行的项目中基于先前的上下文进行构建，消除了用户在新聊天中重新介绍自己或其技术设置的需要。例如，如果用户之前曾讨论过特定的相机和外壳设置，则模型可以根据该特定硬件提供定制的产品推荐，而不是提供通用的清单。

遵循偏好和约束

做梦提升了模型在不同对话中应用个人约束和隐式偏好的能力。这些偏好包括：

• 显式指令: 有关模型应如何响应的具体指令（例如，“不要再提及 [主题 X]”）。
• 个人约束: 固定属性（例如，“我是素食者”）。
• 隐式偏好: 影响相关性的情境数据（例如，知道用户居住在旧金山附近以定制本地推荐）。

随时间保持最新

与传统记忆系统保持静态不同，做梦允许记忆随着时间流逝自动更新。这可以防止“过时记忆”，即模型可能认为用户仍在几周前结束的旅行中。系统可以自动将记忆从“用户正在计划于七月前往新加坡的旅行”修改为“用户在 2026 年七月前往了新加坡”，以确保后续推荐基于用户的当前位置和时区。

可扩展性和可用性

OpenAI 将服务做梦过程所需的计算量降低了大约 5 倍，从而实现了该功能的更广泛推出。

• Plus 和 Pro 用户: 该更新自 2026 年 6 月 4 日起在美国的用户中可用，并且内存容量有所增加。
• 免费和 Go 用户: 该系统将在未来几周内推出到更多国家以及免费和 Go 用户。