Muse和Meta AI升级记忆，临时改要求时少重复旧条件

Meta正把一批专门改进过的模型推给旗下两个日常AI助手——Muse和Meta AI的用户。按11月6日官方博文的说法，这批模型用10月12日刚亮相的Muse Wonder做了训练升级，专门对付多轮对话里的两件烦心事：该用的时候找回以前的背景信息，以及任务撞墙后自己换个办法往下走。毕竟普通人拿AI做计划，很少有人能一口气把所有要求在第一句话里写死。

翻旧账得先分清哪句话已经翻篇

顺着老对话让AI往下干活，以前常碰到两种极端：要么像刚认识你一样忘光前提，要么把三天前随口提的一句过渡安排当铁律死磕。这次上线的Active Memory（主动记忆），管的就是判断过去的信息什么时候重新变得有用，把临时信息和长期信息拆开。用Meta博文里的原话讲，它要区分“哪些仍然相关、哪些已经过期”，好让你在以前对话的基础上继续推进。

比如你假设让它安排一趟出行，先定好了预算，聊到后面又改了出发日期。按这次的设计，它得留住还有效的预算，同时换上新日子重排，省得你把老条件再敲一遍。在Meta公布的这项记忆测试里，正确用上关键上下文（也就是对话里的关键前提）的任务比例，从之前Muse模型的76%提到了90%，多出14个百分点。

任务做到一半插话改口，别直接卡在原地

以前在电商公司排大促节奏，让人头大的往往是方案跑到一半突然改规则；拿AI跑任务也一样怕半路横生枝节。另一项更新Active Focus（主动专注），用来帮Muse在碰上意外状况时继续追着目标走、恢复节奏或找替代路子，自己拿捏什么时候独立推进、什么时候停下来跟你实时配合。Meta提到，哪怕你在任务运行中途补充说明或者改主意，它也能更好适应，少犯迷糊。

Meta AI这边也跟着改善了拆解复杂问题、主动追问和应对中途换方向的表现。手头常有多轮规划、习惯边做边改细节的人，对这波更新的感知会很直接：拉起一个旧计划继续聊、半路换掉其中一条限制，不用再把有效前提从头背一遍，也不必一改主意就推倒重来。