Meta Active Memory 解讀：90% 記憶成績，為何不能當任務成功率？（2026）

2026 年 11 月 6 日，Meta 在 AI Research 發布了〈Bringing Specialized Models to Muse and Meta AI〉，將以 Muse Wonder 訓練的專用模型帶進 Muse 與 Meta AI。這篇 Meta Active Memory 解讀要回答一個很容易被數字掩蓋的問題：助理比較會帶回重要資訊，究竟離「把工作做對」還有多遠？

先讀懂這次更新的範圍，再拆開記憶與任務成績，最後決定該拿什麼案例驗收。值得期待的，是少重複交代、少在中途卡住；值得追問的，是改善發生在哪一段，以及換成你的工作後是否仍成立。

一、Meta Active Memory 更新：能力下放，成績要認清入口

10 月 12 日的 Muse Wonder 發表已介紹 Active Memory 與 Active Focus。11 月這則新公告的重點，是把相關能力帶進兩個產品背後的專用模型；不是 Wonder 系列首次亮相。想補旗艦模型的背景，可先讀 Muse Wonder 原始發布解析。

按 Meta 的描述，Active Memory 要辨認哪些舊資訊仍相關、哪些已過時；Active Focus 則要在阻礙出現後持續追目標、改路徑並適應中途更正。Meta AI 的段落著重拆解問題、追問與跟上對話轉向。接下來的量化圖表與 67% 增幅，都應保留原文的 Muse 範圍。

Active Focus enables Muse to continue working toward a goal, even when faced with unexpected challenges.

中文：Active Focus 讓 Muse 即使遇上意料之外的挑戰，仍能朝目標繼續工作。

Meta，11 月 6 日公告

這句話值得保留，因為它把競爭的單位從「這次回答像不像樣」，移到「事情變了以後還能不能往前」。不過，繼續嘗試本身只是行為；最後交出符合最新要求的結果，才是我們想買到的效用。

二、Meta Active Memory 的 90%，分母是什麼？

Meta 公布的 Muse 指標	數字	讀法
正確使用關鍵脈絡	76% → 90%	增加 14 個百分點
遺忘關鍵資訊	降低 2.4 倍的表述	先問它與上列失敗比例的關係
遇意外的日常任務完成	改善 67%	增幅，不是最終成功率
Personal Superintelligence Index	38% → 47%	增加 9 個百分點

以上數字來自同一篇 Meta 公告，應當作公司對自家模型的比較。本文截至 2026 年 11 月 8 日查閱公開材料，未找到能獨立確認這批專用模型上述增益的公開實測；報導轉載同一張圖，不會增加一份實驗。

把圖上的「正確使用關鍵脈絡」改寫成「所有工作成功率 90%」，就換掉了分母。即使任務取回並用對資料，後面仍可能有計算、工具操作、成品檢查等關卡；這些需要各自的證據。反過來，單項成績尚未涵蓋完整工作，也不能用來斷言這次改善沒有價值。

三、2.4 倍與 67%：算式能澄清什麼，不能補出什麼？

先做一個純算術檢查。若把 76% 與 90% 的補數當作「未正確使用關鍵脈絡」比例，兩者分別是 24% 與 10%；24 ÷ 10＝2.4。換言之，新比例是原比例的約 41.7%，相對下降約 58.3%。這和「記憶容量變 2.4 倍」是不同概念。

這個算式與公告的 2.4 倍表述相容，卻不能代替測量方法，證明正文與圖表必定使用完全相同的原始樣本。合理的處理，是把它們視為可能相關的兩種表述，避免將其包裝成兩個獨立實驗都確認同一改善。

67% 又是另一個問題。若「改善」指相對完成率增加，舊率為 p，新率就是 1.67p。假設 p＝30%，新率會是 50.1%；假設 p＝50%，新率則是 83.5%。這兩組只是說明分母的假設算例，都不是 Meta 的實際成績。公告給出的增幅不足以讓我們替它填入起點與終點，更不能寫成增加 67 個百分點。

同樣地，指數名字帶有「Superintelligence」，也不是獲得一般智慧認證。較早的 Wonder 模型卡把 PSI 定義為內部多項評估的綜合指標，並介紹記憶、專注評估的方法。這是有用背景；11 月這批模型的具體跑法，仍應與當次結果逐項對應，不能只因名稱相近就直接沿用舊條件。

四、外部研究提醒：記得舊事，還要知道舊事何時失效

LongMemEval 原始論文把長期記憶拆成資訊擷取、跨對話推理、時間推理、知識更新與無法回答時的保留回答，並將系統分為索引、檢索與閱讀三個階段。這是理解記憶問題的外部研究脈絡，不是對這批 2026 年 Muse 專用模型的測試。

用一個虛構的出差例子會更清楚：你先說喜歡安靜飯店，後來說這趟要住展場旁，再補一句「只限這一次」。理想助理需要同時保留長期偏好、辨認短期例外，並在下一趟恢復適當規則。只問它能否背出三句話，還不足以驗收訂房建議。

因此，記憶品質至少有兩個方向：該帶回來的有沒有用上，不該再生效的有沒有壓住。若只獎勵回憶舊資訊，可能漏掉過期規則造成的錯誤；若只看最後一輪，又可能漏掉跨對話必要背景。這也是為什麼我更在意「資訊如何更新」，而非把長對話容量直接當成記憶可靠度。

若想自己練習辨認「找到舊值」與「追對新狀態」的差別，可接著讀 State Tracking 的四種更新檢查。那篇提供另一套評測視角；它的題目與結果不等於 Meta 這次的題組。

五、AlphaLab 的判讀：進步值得測，授權仍要另算

我同意：改善相關資訊的使用，比單純記住更多更有用

如果使用者每次都要重新交代背景，助理很難形成持續工作的價值。把已知背景用在對的時刻，確實對準了日常摩擦。這次值得注意的產品訊號，是相關能力從旗艦發布故事走向更廣的產品體驗；但「有這個方向」與「每個入口、每種任務有相同增幅」，仍是兩個命題。

我存疑：遇到障礙後，更堅持是否總是更好？

假設你要它比較住宿，網站暫時打不開，換一個可用資訊來源可能是好恢復；若你已說「先不要訂」，它繼續找付款途徑就偏離目的。兩者表面上都叫克服阻礙，真正差別在於目標與限制有沒有一起更新。這是我們提出的驗收反例，不是聲稱 Muse 已發生這種行為。

所以，我會把「恢復」定義為回到仍被允許的完成路徑。當阻礙代表資訊不足，可以追問；當阻礙是使用者收回授權，停止就是正確交付。目標持續性與執行權限應各自計分，不能用其中一項的分數替另一項背書。

值得追蹤的下一份證據，是失敗如何分布

平均提升告訴我們值得再試一次，失敗分類才告訴我們適合交辦什麼。接下來若有公開測試，我最想看三件事：改過的偏好是否覆蓋舊值、遇阻後有多少次真的恢復完成、使用者中途收回要求時是否正確停止。再把每次所需的更正與檢查時間列出來，才比較接近「是否省事」。

六、下一步：先用三張假任務單，分開驗收

若你的帳戶已可使用相關產品，先選不涉及付款、外寄或真實私人資料的任務。以下是建議的測試設計，本文沒有執行，也沒有預填產品結果。固定原始題目、日期、入口與看得到的模型標示，每次保存實際輸出，失敗也留下。

• 更新單：先給虛構會議日期，再改日期，請它產出議程草稿。驗收最後使用哪個日期，而非它能否重述兩個版本。
• 例外單：先給長期偏好，再加「只限本次」條件。分別問本次與下一次的建議，檢查範圍是否混淆。
• 轉向單：先交辦比較，再改成只整理資料、停止下一步。檢查是否跟上新目標；若遇到資料缺漏，是否清楚標出缺口而非自行補成既定事實。

每張單記四欄就好：最新條件是否用對、產物是否合格、你更正了幾次、總共花多久。這不是一套可推估全產品成功率的大樣本，而是找出自己最在意的失敗。想擴成正式比較，再用 AI Evals 入門固定分母，用 Agent Harness 驗收流程保存狀態與錯誤。

Meta Active Memory 這次更新，合理的期待是減少重複交代與中途掉線的摩擦；採用的理由，則應是你的任務確實少了補救。今天先寫下一個曾經改過、卻被助理用回舊版本的條件，再看新體驗能否處理好。把記憶分數當作開始驗收的理由，把符合最新要求的交付當作擴大使用的理由。