以下就是背后正在发生的事情——以及为什么你应该对此保持警惕。

Dreaming V3记忆引擎是如何工作的？

Dreaming V3 彻底抛弃了以往明确的“已保存记忆”列表。取而代之的，是一个在对话结束后运行的后台合成引擎，它会读取用户完整的聊天记录，推断你的偏好、工作模式、个人限制及其他细节——所有这些操作都无需你发出任何“记住这个”的指令 。

关键架构的变革包括：

• 全历史扫描。 系统不再依赖你标记过的项目——它会阅读你的一切记录 。
• 推断偏好。 它会从你随意的言论和过往行为中，提取你可能从未想过要存储的隐性细节 。
• 跨会话整合。 一个名为“梦境”的过程会在后台离线运行，解决信息矛盾并更新陈旧的事实 。
• 合成式呈现。 被储存的不是你的原话或逐字记录，而是模型生成的关于“你是谁”的压缩描述 。

用户虽然可以在“设置”中查看一份记忆摘要，但底层的原始数据层并不直接对外开放 。这就造成了一个可怕的审查盲区——当系统开始出错时，这个盲区便会成为致命伤。

ZDNet测试发现了大规模的事实性崩溃

ZDNet 记者大卫·格维尔茨对这次升级后的记忆系统进行了深度测试，发现了大量会随着时间推移不断加剧的系统性严重问题 。

• 过时的假设会永远“赖”着不走。 ChatGPT 储存了旧的职位头衔、已结束的项目和超前的偏好，并在随后所有的对话中都把它们当作“当前事实”来处理 。
• 小错误成了“铁律”。 AI一旦锁定某个微小的错误，便会以处理已验证知识的同等确定性来使用它。只要有一个错误细节被采纳，它就会在不知不觉中污染未来几十次的回答 。
• 看不见的连锁污染。 错误的记忆数据会扭曲后续回答，但外观上没有任何提示告诉你哪里出了问题。在错误已经蔓延到无数次对话之前，你根本意识不到 AI 是在一个被“污染”的语境下工作的 。
• 详尽但虚构的个人画像。 系统会创建一套极其详细却完全错误的个人档案，让所有回答都锚定在一个虚假的前提之上 。

格维尔茨将 Dreaming V3 形容为一场技术上的胜利，却搭载了一个极其不负责任的功能 。核心问题不在于 AI 会犯错——而在于这个错误会变成你未来所有提问的、看不见的永久基石。

审查盲区：OpenAI不让你看到的是什么？

OpenAI 的记忆常见问题解答页面上，有一句堪称毁灭性的坦率承认：“虽然记忆摘要应当捕捉最重要的细节，但它并不会包含 ChatGPT 基于你的聊天记录所‘记住’的全部内容。如果你想知道 ChatGPT 是否记住了某件事，可以直接在聊天中问它” 。

记忆摘要页面只是合成档案的一份“人类可读”的概览，并不能完整呈现模型实际上储存和使用了什么 。这意味着用户根本无法仅凭设置界面来全面审查 ChatGPT “知道”了哪些关于你的信息 。你只能靠“钓鱼式”的提问——要求 AI 自己坦白它对你有何隐藏的假设——但这既不靠谱，也完全不适用于日常场景。

为什么“一删了之”并不解决问题？

虽然平台提供了管理或清除记忆的选项，但每种方法都伴随着巨大的局限性。

• 关闭记忆功能可能并不会真正清除已储存的内容。 ZDNet 指出，禁用了这个功能，并不代表系统已经合成出的数据就被真正删除了 。
• 手动删除非常脆弱。 用户可以在设置中逐条查看并删除记忆条目，但只要对话历史还在，Dreaming V3 的合成过程下次运行时就可能再次学到同样的细节 。
• 持续不断的自动再合成。 由于 Dreaming V3 会循环往复地进行上下文再合成，单纯删除列出的记忆条目，并不能阻止系统从过去的对话中重新推断出相似的信息 。
• 大多数人不会在出问题之前去审查它。 腐败记忆显现的第一个迹象，往往是在错误数据已经影响了大量回答之后才被察觉 。

一种新的“语境腐朽”：从档案内部开始腐败

“语境腐朽”指的是，随着大语言模型的上下文窗口逐渐被填满，其输出质量逐渐退化的现象——旧的信息被新涌入的内容挤掉，最终导致回答偏离用户实际的处境 。Dreaming V3 正是为了跨越不同的会话来解决这个问题，直击所谓“当记忆应用于 ChatGPT 数亿用户和跨年时间跨度时，所出现的陈旧、正确性和可扩展性挑战” 。

但 OpenAI 所创造的这个系统，引入了一种更隐蔽的变体。原来的“语境腐朽”是窗口塞满而丢失信息，现在则是从档案内核开始腐败：一旦某个错误信息进入了用户的永久档案，它便会悄无声息地降低此后每一个回答的质量。这并非传统因信息遗失导致的语境腐朽——这是源于被系统尊为权威的 “错误信息” 的腐朽。而且，由于用户无法看见或轻松删除这些信息，他们可能永远不会明白为什么自己的 AI 正在慢慢变蠢 。

以下就是背后正在发生的事情——以及为什么你应该对此保持警惕。

Dreaming V3记忆引擎是如何工作的？

Dreaming V3 彻底抛弃了以往明确的“已保存记忆”列表。取而代之的，是一个在对话结束后运行的后台合成引擎，它会读取用户完整的聊天记录，推断你的偏好、工作模式、个人限制及其他细节——所有这些操作都无需你发出任何“记住这个”的指令 。

关键架构的变革包括：

• 全历史扫描。 系统不再依赖你标记过的项目——它会阅读你的一切记录 。
• 推断偏好。 它会从你随意的言论和过往行为中，提取你可能从未想过要存储的隐性细节 。
• 跨会话整合。 一个名为“梦境”的过程会在后台离线运行，解决信息矛盾并更新陈旧的事实 。
• 合成式呈现。 被储存的不是你的原话或逐字记录，而是模型生成的关于“你是谁”的压缩描述 。

用户虽然可以在“设置”中查看一份记忆摘要，但底层的原始数据层并不直接对外开放 。这就造成了一个可怕的审查盲区——当系统开始出错时，这个盲区便会成为致命伤。

ZDNet测试发现了大规模的事实性崩溃

ZDNet 记者大卫·格维尔茨对这次升级后的记忆系统进行了深度测试，发现了大量会随着时间推移不断加剧的系统性严重问题 。

• 过时的假设会永远“赖”着不走。 ChatGPT 储存了旧的职位头衔、已结束的项目和超前的偏好，并在随后所有的对话中都把它们当作“当前事实”来处理 。
• 小错误成了“铁律”。 AI一旦锁定某个微小的错误，便会以处理已验证知识的同等确定性来使用它。只要有一个错误细节被采纳，它就会在不知不觉中污染未来几十次的回答 。
• 看不见的连锁污染。 错误的记忆数据会扭曲后续回答，但外观上没有任何提示告诉你哪里出了问题。在错误已经蔓延到无数次对话之前，你根本意识不到 AI 是在一个被“污染”的语境下工作的 。
• 详尽但虚构的个人画像。 系统会创建一套极其详细却完全错误的个人档案，让所有回答都锚定在一个虚假的前提之上 。

格维尔茨将 Dreaming V3 形容为一场技术上的胜利，却搭载了一个极其不负责任的功能 。核心问题不在于 AI 会犯错——而在于这个错误会变成你未来所有提问的、看不见的永久基石。

审查盲区：OpenAI不让你看到的是什么？

OpenAI 的记忆常见问题解答页面上，有一句堪称毁灭性的坦率承认：“虽然记忆摘要应当捕捉最重要的细节，但它并不会包含 ChatGPT 基于你的聊天记录所‘记住’的全部内容。如果你想知道 ChatGPT 是否记住了某件事，可以直接在聊天中问它” 。

记忆摘要页面只是合成档案的一份“人类可读”的概览，并不能完整呈现模型实际上储存和使用了什么 。这意味着用户根本无法仅凭设置界面来全面审查 ChatGPT “知道”了哪些关于你的信息 。你只能靠“钓鱼式”的提问——要求 AI 自己坦白它对你有何隐藏的假设——但这既不靠谱，也完全不适用于日常场景。

为什么“一删了之”并不解决问题？

虽然平台提供了管理或清除记忆的选项，但每种方法都伴随着巨大的局限性。

• 关闭记忆功能可能并不会真正清除已储存的内容。 ZDNet 指出，禁用了这个功能，并不代表系统已经合成出的数据就被真正删除了 。
• 手动删除非常脆弱。 用户可以在设置中逐条查看并删除记忆条目，但只要对话历史还在，Dreaming V3 的合成过程下次运行时就可能再次学到同样的细节 。
• 持续不断的自动再合成。 由于 Dreaming V3 会循环往复地进行上下文再合成，单纯删除列出的记忆条目，并不能阻止系统从过去的对话中重新推断出相似的信息 。
• 大多数人不会在出问题之前去审查它。 腐败记忆显现的第一个迹象，往往是在错误数据已经影响了大量回答之后才被察觉 。

一种新的“语境腐朽”：从档案内部开始腐败

“语境腐朽”指的是，随着大语言模型的上下文窗口逐渐被填满，其输出质量逐渐退化的现象——旧的信息被新涌入的内容挤掉，最终导致回答偏离用户实际的处境 。Dreaming V3 正是为了跨越不同的会话来解决这个问题，直击所谓“当记忆应用于 ChatGPT 数亿用户和跨年时间跨度时，所出现的陈旧、正确性和可扩展性挑战” 。

但 OpenAI 所创造的这个系统，引入了一种更隐蔽的变体。原来的“语境腐朽”是窗口塞满而丢失信息，现在则是从档案内核开始腐败：一旦某个错误信息进入了用户的永久档案，它便会悄无声息地降低此后每一个回答的质量。这并非传统因信息遗失导致的语境腐朽——这是源于被系统尊为权威的 “错误信息” 的腐朽。而且，由于用户无法看见或轻松删除这些信息，他们可能永远不会明白为什么自己的 AI 正在慢慢变蠢 。