ZenBrain：面向自主 AI 系统的类神经科学 7 层记忆架构

在 LongMemEval-500 上，ZenBrain 将二制分类准确率与长时程参考答案相差仅 4.5 平分之一的查询 token 成本 ($47.7\%$ vs. $52.2\%$; $91.3\%$)，并在 Bonferroni 校正下 ($\alpha=0.05/18$, $p_\text{min}=6.2\times 10^{-31}$, $d \in [0.18, 0.52]$) 中击败 Letta、Mem0 和 A-Mem 的全部 12 个头盲答案质量单元格。ZenBrain 是一个 7 层类神经科学记忆架构。其贡献在于架构集成：15 个经过验证的神经科学机制统一集成于单个 MemoryCoordinator 中——包括两因子突触知识图谱、vmPFC 耦合 FSRS、仿真-选择睡眠、贝叶斯置信度以及另外五项机制，外加 6 项预测记忆架构组件（NeuromodulatorEngine、ReconsolidationEngine、TripleCopyMemory、PriorityMap、StabilityProtector、MetacognitiveMonitor）。目前没有任何系统将超过两个机制集成在一起。压力消除实验（60 天，Wilcoxon 检验，10 个随机种子）揭示了合作生存网络：9 个中的 15 个机制在单独情况下变得关键 ($\Delta Q$ 最多达到 $-93.7\%$)，而温和条件掩盖了单个贡献。仿真-选择睡眠增加了 37% 的稳定性，同时实现 47.4% 的存储减少 ($p \le 5.1\times 10^{-3}$)；TripleCopyMemory 在 30 天后保持 $S(t)=0.912$；多层路由相对于平坦基准在 LoCoMo 上提升 $+20.7\%$ F1，在 MemoryArena 上提升 $+19.5\%$。跨提供商偏差方向检查 ($\\Delta_\text{GPT-Anth}=-0.0001$ 对 ZB 与 $-0.049$ 对 Mem0) 排除了 LLM 判官特有的混淆因素。开源且包含 11,589 个 CI 测试。