原创 王庆法 2026-08-02 10:00 美国

记忆，其实是把人类体验，按照时空索引组织起来；回忆，就是沿着这套时空索引结构，采样回溯。

笔者对记忆回忆机制有一个简单的理解：

记忆，其实是把人类体验，按照时空索引组织起来；回忆，就是沿着这套时空索引结构，采样回溯。

这里的时空，包括位置、时间，还有事件发生时的整体情境：环境、语义以及当时的内部状态。

Nature机器智能一篇关于自由回忆的研究【文献1】，给这个想法提供了计算模型支持。

回忆策略

心理学有个经典实验，实验者依次读出一组单词：苹果 → 火车 → 医生 → 钢琴 → 大海，几分钟后，请被试者自由回忆。

不少人的回忆过程像这样：苹果 → 医生 → 火车 → 大海……

类似现象很多，例如，如果首先想到C，下一步往往更容易想到B或D；想到猫，又容易继续想到狗。

认知心理学经过大量实验，总结出很多稳定规律，比如首因效应、近因效应、时间邻近效应、语义聚类等等，但通常需要不同模型分别解释。

预测生成

论文直接把自由回忆表示成一个序列生成问题。

学习阶段：学习序列 → 更新隐状态 → 更新隐状态→ 更新隐状态→ …

回忆阶段：当前隐状态→ 回忆一个项目 → 更新隐状态→ 回忆下一项 → …

整个过程与大模型生成很相似，只是把预测下一个Token改成预测下一段记忆。

不同的是，大模型有文本提示，但自由回忆几乎没有外部提示，网络须依靠内部状态维持整个搜索过程。

论文采用了循环神经网络（RNN），随着学习进行，隐状态不断变化：苹果 → h₁ → 火车 → h₂ → 医生 → h₃ → 钢琴 → h₄ → 大海 → h₅

这些隐状态同时融合了当前内容、学习顺序、已知历史、当前上下文，

整个学习过程逐渐形成一条连续的隐状态轨迹，h₁ ── h₂ ── h₃ ── h₄ ── h₅。后续回忆，都在这条轨迹附近展开。

上下文

回忆开始之后，模型不能重新查看学习列表，只能依赖当前隐状态。整个过程是：当前状态 → 采样下一段记忆 → 更新状态 → 再采样下一段记忆 → …

每一次回忆，都会改变下一段回忆，比如首先回忆出C，新的状态更容易继续激活B或者D。

回忆不是一次性读取全部内容，更像沿着内部状态空间不断搜索。这一点与笔者的理解非常接近：

回忆其实也是标准生成任务，只是采样的策略与内容受已存储内容限定；

采样是构建上下文的过程，完全复现上下文不可能，但足够颗粒度和覆盖度的上下文复现，将能够产生足够好的回忆；

各种采样策略融合、及时切换，一切都是为了更好的复现上下文，而上下文主要是记忆的时间索引结构。

位置索引

论文发现，当训练目标要求模型尽可能完整地回忆整个列表，并加入干扰任务削弱近因效应后，

性能最好的神经网络逐渐形成了一种与具体刺激无关的位置索引。

可以理解成，位置1 → 苹果 ｜ 位置2 → 医生 ｜ 位置3 → 火车 ｜ 位置4 → 大海；

如果换一组单词，位置1 → 香蕉 ｜ 位置2 → 飞机 ｜ 位置3 → 法官 ｜ 位置4 → 湖泊。

位置保持稳定，绑定内容发生变化。

据此论文认为，这说明神经网络能够根据任务要求，自发形成不同的记忆策略，位置索引是其中一种高效策略。

记忆宫殿

一个常见解释是记忆宫殿。

首先建立一条固定路线，家门 → 客厅 → 厨房 → 卧室 → 阳台，再把需要记忆的信息依次放进去：

家门→苹果 ｜ 客厅→医生 ｜ 厨房→火车 ｜ 卧室→合同 ｜ 阳台→钥匙，

之后回忆时，只需要重新沿着路线走一遍，内容就会依次浮现。

论文没有证明神经网络学会了记忆宫殿，但两者有一个显著共同特点：稳定的是索引，变化的是内容。

笔者看来，记忆宫殿可能是一种记忆的空间索引结构，结合上下文的时间索引结构，才是完整的记忆索引。

所谓记忆，其实是按照人类体验的时空，逐步将相关内容索引并存储起来，未来按照这个时空索引回溯生成。

邻近和语义

论文还发现，隐状态在高维空间形成连续轨迹。学习顺序相邻的项目，隐状态通常也更接近：

A ●──● B ──● C ──● D ──● E，所以当回忆来到C附近，更容易继续移动到B或D。

另一方面，词向量又把语义相近的内容拉近，猫 ─ 狗 ─ 狮子。

回忆受到这两种结构共同影响：时间邻近 + 语义邻近 + 当前状态 → 下一次采样。

时间邻近和语义聚类效应，很自然的在同一个模型中出现。考虑到大模型学到的富集范畴，“语义相近”不局限在词向量。

预测下一段回忆，需复现对应时间结构，也就是上下文；也离不开空间结构和语义，需复现记忆宫殿和语义关联。

连续采样

读完论文，笔者越来越偏向这个理解：回忆更像沿时空索引结构连续采样。

体验进入大脑，被嵌入一个连续变化的内部状态空间。回忆不像数据库查询，更像是在当前状态约束下，不断沿着内部状态空间搜索。

整个过程可以表示成，真实体验 → 建立时空索引 → 形成内部状态空间 → 连续采样 → 重建体验。

这里的采样，每一步都会受到当前索引的影响，当前索引，又决定下一步更容易走向哪里。

这也可能是自由回忆实验中大量统计规律能够稳定出现的原因。

延伸思考

神经网络学习的重点，可能不仅是保存每一条记忆，更重要的是形成一种能够组织这些记忆的内部结构；

回忆也不简单读取存储内容，而是在当前状态的约束下，沿着这套内部结构不断搜索。

把这些与海马体对时间空间的编码、记忆宫殿利用空间组织信息的方法放一起看，很容易得到文章开头笔者的理解：

记忆，是把体验组织到一套时空索引结构中；回忆，在这套时空索引结构上连续采样，逐步重建过去的经历。

文献1，A neural network model of free recall learns multiple memory strategies，https://www.nature.com/articles/s42256-026-01274-0