Perplexity 上线自改进记忆系统 Brain，正确性与召回双提升

AI 搜索与助手产品 Perplexity 近日为其「Perplexity Computer」推出了一套名为 Brain 的自改进记忆系统。该系统会将历史会话、本地文件与引用来源持续编译为结构化的知识 wiki，使助手在后续交互中能够调用经过整理的上下文。

系统定位与功能

Brain 被定位为 Perplexity Computer 的记忆层（memory layer），核心能力是把分散的会话记录、上传文件以及外部信源聚合为结构化的知识库。与常见的滑动窗口式上下文管理不同，Brain 强调「编译」过程，即在会话积累时主动提炼事实、关系与时间属性，供后续推理直接调用，从而缓解长程任务中常见的上下文丢失与幻觉问题。

评测结果：能力提升与 token 效率

官方公布的新一轮评测在 Brain 已有结果基础上继续改进，三项核心指标均有显著提升：

• 正确性（correctness）：提升 9.3 分
• 新鲜度（currentness）：提升 8.0 分
• 召回（recall）：提升 8.9 分

更关键的是，上述能力提升伴随着 15% 更少的 token 消耗，意味着系统在更精简的上下文预算下实现了更高的任务质量，对于成本敏感与高并发场景具有实际意义。

对开发与产品层面的意义

Brain 的发布反映出 AI 助手类产品正在从「单轮问答 + 临时上下文」向「持久化、可检索、可推理」的记忆系统演进。对用户而言，更结构化的记忆意味着跨会话任务（如持续研究、长期项目管理）的连贯性会显著增强；对 Perplexity 自身而言，自改进机制与 token 效率优化也是降低推理成本、支撑更长上下文窗口的关键手段。

目前该记忆系统作为 Perplexity Computer 的一部分向用户开放，官方未单独公布底层架构细节与完整评测榜单，仅以摘要形式披露了上述四项关键数字。