IS 
iaar-shanghai/awesome-ai-memory
Developer tools1.3K stars Quality 59 Trend 45Apache-2.0
大语言模型（LLM）已迅速发展为强大的通用推理与生成引擎。然而，尽管其能力不断提升，LLM 仍然受到一个根本性限制的约束：上下文窗口（Context Window）长度有限。这一限制决定了模型在单次推理过程中能够直接访问的信息范围，使其在本质上仅具备短期记忆能力，难以支持长期对话、个性化交互、持续学习以及复杂的多阶段任务。
Overview
大语言模型（LLM）已迅速发展为强大的通用推理与生成引擎。然而，尽管其能力不断提升，LLM 仍然受到一个根本性限制的约束：上下文窗口（Context Window）长度有限。这一限制决定了模型在单次推理过程中能够直接访问的信息范围，使其在本质上仅具备短期记忆能力，难以支持长期对话、个性化交互、持续学习以及复杂的多阶段任务。
README
Awesome-AI-Memory
【中文 | English】
👋 简介
大语言模型（LLM）已迅速发展为强大的通用推理与生成引擎。然而，尽管其能力不断提升，LLM 仍然受到一个根本性限制的约束：上下文窗口（Context Window）长度有限。这一限制决定了模型在单次推理过程中能够直接访问的信息范围，使其在本质上仅具备短期记忆能力，难以支持长期对话、个性化交互、持续学习以及复杂的多阶段任务。
为突破上下文窗口的固有限制，面向大模型的记忆与记忆系统（AI Memory & Memory Systems for LLMs）逐渐成为一个重要且活跃的研究与工程方向。通过为模型引入参数之外的外部、可持久化且可控的记忆结构，记忆系统使大模型能够在生成过程中存储、检索、压缩和管理历史信息，从而在有限上下文中持续利用长期经验，实现跨会话的一致性与连续推理能力。
Awesome-AI-Memory 是一个围绕 AI 大模型记忆与记忆系统构建的资源汇编仓库，系统性地收集相关的研究论文、框架工具与实践经验。该仓库致力于梳理并呈现大模型记忆领域快速发展的研究脉络，连接自然语言处理、信息检索、智能体系统与认知科学等多个研究方向。
🎯 仓库目标
本仓库的目标是构建一个集中、持续演进的知识库，为研究者与工程实践者提供参考，助力构建能够长期记忆、持续推理并随时间不断适应的智能系统。
📏 项目范围
本仓库聚焦 Agent Memory 与语言模型内部记忆机制。记忆必须是论文的核心研究问题，并有明确的语言模型或多模态语言模型研究对象。
- 收录：智能体的长期、情节、语义、共享及经验形成的流程记忆；语言模型中的存储、保持、寻址、召回与遗忘；直接针对这些机制的评测、安全研究及综述。
- 流程技能：须具体研究从执行经验形成持久记录、跨任务复用及验证/维护的过程。静态技能包、提示词优化或通用自演化不因出现 skill/memory 关键词而收录。
- 排除：纯视觉或低层机器人状态、硬件/KV 缓存效率、泛化的 RAG/长上下文/工具路由，以及仅声称能迁移到 LLM 的相邻工作。高层语言智能体的具身/多模态记忆仍可收录。
- 证据不足先待复核：核实记忆使用者、内容、存取机制、核心贡献与验证依据；准确说明阅读范围，不将摘要核验称为全文核验。
详见 论文筛选规则与发布检查。
🔔 近期热点研究与新闻
- 2026-11-05 - 🎉 更新 72 篇论文，其中方法类与框架类论文 49 篇，数据集和评估基准类论文 15 篇，模型和系统类论文 8 篇
- 2026-11-01 - 🎉 更新 39 篇论文，其中方法类与框架类论文 31 篇，数据集和评估基准类论文 5 篇，模型和系统类论文 3 篇
- 2026-10-27 - 🎉 更新 34 篇论文，其中综述 2 篇，方法类与框架类论文 26 篇，数据集和评估基准类论文 5 篇，模型和系统类论文 1 篇
- 2026-10-23 - 🎉 更新 109 篇论文，其中综述 1 篇，方法类与框架类论文 70 篇，数据集和评估基准类论文 28 篇，模型和系统类论文 10 篇
- 2026-10-18 - 🎉 更新 32 篇论文，其中综述 2 篇，方法类与框架类论文 22 篇，数据集和评估基准类论文 6 篇，模型和系统类论文 2 篇
- 2026-10-14 - 🎉 更新 47 篇论文，其中方法类与框架类论文 33 篇，数据集和评估基准类论文 11 篇，模型和系统类论文 3 篇
- 2026-10-11 - 🎉 更新 53 篇论文，其中综述 1 篇，方法类与框架类论文 40 篇，数据集和评估基准类论文 10 篇，模型和系统类论文 2 篇
- 2026-10-06 - 🎉 更新 67 篇论文，其中方法类与框架类论文 43 篇，数据集和评估基准类论文 15 篇，模型和系统类论文 9 篇
- 2026-10-03 - 🎉 更新 69 篇论文，其中综述 1 篇，方法类与框架类论文 51 篇，数据集和评估基准类论文 11 篇，模型和系统类论文 6 篇
- 2026-09-29 - 🎉 更新 67 篇论文，其中综述 1 篇，方法类与框架类论文 37 篇，数据集和评估基准类论文 17 篇，模型和系统类论文 12 篇
- 2026-09-26 - 🎉 更新 17 篇论文，其中方法类与框架类论文 12 篇，数据集和评估基准类论文 2 篇，模型和系统类论文 3 篇
- 2026-09-23 - 🎉 更新 34 篇论文，其中方法类与框架类论文 19 篇，数据集和评估基准类论文 7 篇，模型和系统类论文 8 篇
- 2026-09-20 - 🎉 更新 11 篇论文，其中方法类与框架类论文 8 篇，数据集和评估基准类论文 2 篇，模型和系统类论文 1 篇
- 2026-09-15 - 🎉 更新 222 篇论文，其中综述 3 篇，方法类与框架类论文 153 篇，数据集和评估基准类论文 32 篇，模型和系统类论文 34 篇
- 2026-07-06 - 🎉 更新25篇论文，数据集和评估基准类5篇，方法类与框架类23篇
- 2026-06-21 - 🎉 更新27篇论文，模型和系统类9篇，数据集和评估基准类5篇，方法类与框架类13篇
- 2026-06-14 - 🎉 更新24篇论文，综述类2篇，模型和系统类4篇，数据集和评估基准类2篇，方法类与框架类16篇
- 2026-06-06 - 🎉 更新45篇论文，综述类1篇，模型和系统类6篇，数据集和评估基准类12篇，方法类与框架类26篇
- 2026-05-10 - 🎉 更新16篇论文，系统&模型类3篇，Benchmark类1篇，方法类12篇；并新增1个开源系统项目
- 2026-05-06 - 🎉 更新16篇论文，系统&模型类2篇，Benchmark类2篇，方法类12篇
- 2026-04-27 - 🎉 更新15篇论文，综述类2篇，系统与模型类3篇，方法类10篇
- 2026-04-17 - 🎉 更新46篇论文，综述类1篇，系统与模型类5篇，Benchmark类3篇，方法类37篇
- 2026-04-07 - 🎉 更新16篇论文，方法类15篇，Benchmark类1篇
- 2026-03-15 - 🎉 更新14篇论文，方法类14篇
- 2026-03-08 - 🎉 更新15篇论文，综述类3篇, 系统&模型类2篇，Benchmark类5篇，方法类5篇。
- 2026-03-02 - 🎉 新增一个代码agent到仓库中
- 2026-02-27 - 🎉 更新20篇论文，综述类1篇, 系统&模型类2篇，Benchmark类2篇，方法类15篇。
- 2026-02-26 - 🎉 更新14篇论文，方法类14篇
- 2026-02-14 - 🎉 更新15篇论文，综述类1篇，方法类12篇，benchmark类1篇，系统与模型类1篇
- 2026-02-09 - 🎉 更新15篇论文
- 2026-02-01 - 🎉 更新16篇论文，方法类9篇，benchmark类4篇，系统与模型类3篇
- 2025-12-24 – 🎉 发布仓库-V(1.0)
- 2025-12-10 – 🎉 仓库初始化
🗺️ 目录表
🧠 核心概念
-
大模型记忆: LLM的记忆机制融合了隐性知识（通过训练过程内化于模型参数中）与显式存储（运行时可检索的外部存储），这种双重架构使模型突破token处理的局限，具备类似人类"记忆过往、认知当下、预见未来"的认知能力。
-
记忆系统：为大语言模型实现记忆功能的完整技术架构，包含四大核心组件：
- 记忆存储层：向量数据库（如 Chroma、Weaviate）、图数据库或混合存储方案
- 记忆处理层：嵌入模型、摘要生成器与记忆分割器
- 记忆检索层：多阶段检索器、重排序模块与上下文注入器
- 记忆控制层：记忆优先级管理器、遗忘控制器与一致性协调器
-
记忆操作：通过记忆系统工具调用执行的原子级记忆操作：
- 写入：将对话内容转换为向量进行存储，通常结合摘要生成以减少噪声信息
- 检索：根据当前上下文生成查询语句以获取Top-K相关记忆
- 更新：通过向量相似度找到相关记忆并进行替换或增强
- 删除：基于用户指令或自动策略（如隐私数据过期）删除特定记忆
- 压缩：将多个相关记忆合并为摘要以释放存储空间
-
记忆管理：在记忆系统内实施记忆管控的方法论，包含以下机制：
- 记忆生命周期：从创建、活跃使用、冷启动访问到归档/删除的全周期管理
- 冲突解决：矛盾信息仲裁机制（如时间戳优先级、来源可信度加权）
- 资源预算：为不同用户/任务分配内存配额以防止资源滥用
- 安全治理：自动检测和去标识化个人身份信息（PII）
-
记忆分类：记忆系统特有的多维度分类体系：
- 按访问频率：工作记忆（当前任务）、常用记忆（个人偏好）、归档记忆（历史记录）
- 按结构化程度：结构化记忆（数据库记录）、半结构化记忆（对话摘要）、非结构化记忆（原始对话文本）
- 按共享范围：个人记忆（单用户）、团队记忆（协作空间）、公共记忆（共享知识库）
- 按时效属性：永久记忆（核心事实）、临时记忆（对话上下文）、时效性记忆（如"用户今天心情不好"）
-
记忆机制：驱动记忆系统功能的核心技术组件：
- 检索增强生成（RAG）：通过从知识库中检索相关信息来增强生成能力
- 记忆反思循环：模型定期"回顾"对话历史以生成高层次摘要
- 记忆路由：根据查询类型（个人记忆/公共知识库）自动选择检索源
-
显式记忆：以原始文本形式存储在模型外部的记忆，通过融合混合索引策略的向量数据库实现：
- 稠密向量索引：处理语义相似性查询
- 稀疏关键词索引：处理精确匹配查询
- 多向量索引：将长文档切分为多个部分，每个部分独立索引
-
参数化记忆：存储于语言模型固定权重中的知识与能力，具有以下特征：
- 作为模型的核心长期语义记忆载体
- 无需外部检索或显式上下文支持即可激活
- 提供零样本推理、通用响应与语言生成的基础能力
-
长期记忆：设计用于持久存储的关键信息，通常通过外部知识库实现，包含以下功能：
- 自动摘要生成：将多轮对话提炼为结构化记忆
- 上下文绑定：记录记忆上下文以防止错误泛化
- 多模态存储：同时保存文本、图像、音频等多种模态记忆
-
短期记忆：受限于注意力机制的大语言模型上下文窗口中的活跃信息，包含以下关键技术：
- KV缓存管理：复用键值缓存以减少冗余计算
- 上下文压缩：使用摘要替代详细历史（如：“前5轮对话讨论了项目预算”）
- 滑动窗口注意力机制：仅关注最近N个token，同时保留特殊标记
- 记忆摘要注入：将长期记忆摘要动态插入短期上下文
-
情景记忆：记录特定用户交互历史的记忆类型，是个性化AI的基础：
- 用户身份识别：跨会话识别同一用户
- 交互轨迹记录：保存用户决策路径与反馈
- 情绪状态追踪：记录用户情绪变化规律
- 偏好演化建模：捕捉用户兴趣长期变化
-
记忆遗忘：大模型中刻意设计的遗忘机制，包含以下技术实现：
- 选择性遗忘（机器遗忘）：移除训练数据中特定信息的影响，例如通过遗忘层覆盖特定知识
- 隐私保护遗忘：自动识别并删除个人身份信息（PII），或设置自动过期策略
- 记忆衰减：根据使用频率自动降低低频访问记忆的优先级
- 冲突驱动遗忘：当新证据与旧记忆冲突时，策略性更新或淘汰旧记忆
-
记忆检索：从海量记忆库中精确定位相关信息的复杂过程：
- 语义预过滤：通过向量相似度匹配获取Top-100候选结果
- 上下文重排序：根据当前查询上下文重新排序结果
- 时间过滤：优先选择最新相关数据
-
记忆压缩：在资源受限条件下最大化记忆效用的技术体系：
- 内容级压缩：提取核心信息并舍弃冗余细节
- 表征级压缩：向量量化（如乘积量化编码）、维度约简
- 组织级压缩：聚类相似记忆、构建分层记忆结构
- 知识蒸馏：将外部记忆中的关键模式迁移至参数化记忆
📚 论文列表
以下论文按发表日期排列：
时间
论文与摘要
标签
链接
2026-11-04
FlyHash for LLM Agent Memory: An Empirical Validation and a New Application
• 将FlyHash应用于语言智能体记忆检索并审查比较协议。
• 以匹配位数、多种子和真实相关性标签比较随机投影竞争编码、SimHash及HNSW。
• 质量优势成立，但常规规模下HNSW的延迟和存储更优；不把每比特质量误当实际效率。
2026-11-04
Can LLM Agents Learn to Test? Maintaining Scoped Experience as Testing Evidence for Mobile GUI Testing
• 提出AdaptiTest的经验维护契约，强调回忆仅是建议。
• 为执行经验保留范围和轨迹来源，规定确认、重验证及撤回，并限制持久写入角色。
• 小型内部子集为18/18对3/18，但控制条件与跨会话探针存在限制，部分机制未端到端实现，不能推断通用优势。
2026-11-04
Weaver: Weaving Preference Evidence through Incremental Reasoning for Personalized Retrieval-Augmented Generation
• 提出Weaver，处理分散且条件化的历史偏好记忆。
• 双层图连接意图依赖与检索轨迹，按信息缺口继续查找，并区分互补证据、替代支持和同范围冲突。
• 在PersonaMem等个性化基准改善证据完整性与回答质量；未据摘要断言跨部署普适性。
2026-11-04
Reglos: A Self-Evolving Personal Memory Agent with Recursive Self-Improvement
• 提出Reglos，结合演化个人记忆与受控harness改进。
• 每轮追加用户记录并处理偏好替代，由跨模型家族批评器筛查补丁，冻结评测器决定后续接纳。
• Qwen配置在PersonaMem-v2和LongMemEval-S得61.3%与84.0%；结果是整体系统比较，非所有组件的独立收益。
2026-11-04
SUMONE: A Simple and Efficient Summarizer for Plug-and-Play Agent Memory
• 提出SumOne，用轨迹自身学习可移植摘要记忆。
• 冻结重建器根据摘要恢复随机遮蔽的原轨迹，以重建质量和长度惩罚训练独立摘要器。
• 搜索与软件工程任务的估算推理成本降低约78%和75%，伴随小幅性能下降；同一模型可跨harness迁移。
2026-11-04
PyRUA-REAL: Robot Exploration and Adaptive Learning through RSI in the Real World
• 提出PyRUA-REAL，将真实物理探索沉淀为持久经验和程序技能。
• 分层保存条件、尝试结果和代码；研究员记录适用限制，工程师在新环境检索、改写并重新测试。
• 八任务迁移对照由21.3%升至40.0%，仅五项受益；整体系统成功率不能全部归因于记忆。
2026-11-03
Anchor: Augmented Cross-Layer Recurrent State for Long-Context Retrieval in Test-Time Training
• 提出Anchor，利用检索能力集中于少数层的现象。
• 只在锚点层布置TTT记忆，跨层共享一次写入的状态，再通过各层学习到的映射读取。
• Llama与Mistral上召回提高2.3–3.1倍且状态缩小十倍；结果针对所测线性化混合模型。
2026-11-03
Sketchpad: certified exact arithmetic with a small vision-language model
• 提出Sketchpad，以受限工作记忆访问获得任意长度算术的可证明性。
• 模型每步读取三格视图并写数字及进位；Lean证明把全输入正确性化为有限视图集检查。
• 设备上2,446种视图全部通过；保证依赖固定运行协议和验证条件，不代表一般推理正确。
2026-11-03
CogniLife: Continuous Cognitive Distillation for Deployed Multi-Expert Agent Marketplaces
• 提出CogniLife的跨专家记忆归属与持续修订设计。
• 区分Creator Profiles与Expert Journals；已部署部分支持有范围抽取、有效期、来源记录和可逆整合。
• 跨专家路由尚未实现或评测；85任务的整体配置分数不能证明冷启动缓解、跨专家迁移或长期蒸馏。
2026-11-03
The Right Source Is Not Enough: Understanding History Interference in Speech-LLM Memory
• 研究无关历史音频为何在目标证据仍存在时干扰回答。
• 通过屏蔽来源访问及低维因果干预，区分直接读取、候选状态传播、来源角色与答案值。
• 开放问答与选择题呈不同干扰路径，联合角色和值干预恢复最多；证据来自MOSS-Audio及MiMo-Audio。
2026-11-03
MDSKILL: Learning to Internalize Skill Memory through Multi-View Distillation for Efficient Dynamic Agent Self-Evolution
• 提出MDSKILL，减少技能记忆内化中的噪声、冲突与冗余。
• 按状态定位、行动规划和执行控制分解记忆，动态筛选技能，再把分支知识自蒸馏到共享策略。
• ALFWorld与WebShop报告最高7.1%和8.1%提升，消融支持内化作用；结论限于三项智能体基准。
2026-11-03
HARP: Training-Free Dual-Profile Agentic Communication for LLM-Based Recommendation
• 提出HARP，补齐双侧画像记忆及后续反馈同步。
• 构建物品画像，在检索侧使用画像同质性信号，并通过单次反思更新用户描述。
• 四个数据集Hit@1相对最强公布基线提高6.9–24.0%；反思有额外权衡，检索门控贡献最大。
2026-11-03
A Circuit for In-Context Learning
• 识别上下文学习的门控键值记忆电路。
• 中层头向标签位置写类别键，上层头匹配并读出标签；通过激活补丁、消融和转向检验门控及近因抑制。
• 三个3–4B模型出现共同电路，并报告扩展检验；主要结论针对所设少样本分类任务。
2026-11-03
Route to Remember: Adaptive Memory Selection for LLM Agents
• 研究把权重记忆作为低上下文开销的长期事实存储。
• 用记忆条件教师进行在策略自蒸馏，再以验证后重生成路由结合文本与权重记忆。
• HaluMem上达到或超过强文本基线且减少读入token；证据限于所测事实记忆协议。
2026-11-03
Prospective Memory for Proactive LLM Agents
• 提出Pro-Memory，区分记住意图与适时行动。
• 把待办目标关联证据和激活条件，随新观察判断介入，并按实际动作或解决证据更新意图状态。
• 两个主动协助基准上跨骨干提高表现并限制多余介入；结论来自所测延迟意图场景。
2026-11-02
Agent Memory as Rate-Limited Filtering: Explicit State Outlasts Long Context Beyond a Reader-Dependent Horizon
• 将智能体记忆形式化为受容量约束的递归过滤。
• 以可执行权限策略和成对历史比较全文、检索及显式状态，分开模型解析与规则更新。
• 256事件下解析加规则过滤达80–89%，有效时域随读者能力改变；依赖选择检索可匹配部分结果。
2026-11-02
EvoMemState: Evolving Memory State for Personal Agents
• 提出EvoMemState，使个人记忆从独立事实转向演化状态。
• 用本体提取事实及有效范围关系，再通过强化学习生成请求特定推理状态，指导事实使用。
• 在长期对话和记忆使用基准改善检索完整性与回答准确率；证据范围为所报告实验。
2026-11-02
RecGroupMemory: Feedback-Aware Cohort Memory for E-Commerce Recommendation
• 提出RecGroupMemory，分离群体记忆构建和反馈修订。
• 用前一天结果更新决策指导，通过验证保留选定源值，供编排语言模型后续使用。
• 特定低购买力用户比较中，无反馈和有反馈记忆分别增加1.58%及1.78%的引导交易用户；不外推至全部用户。
2026-11-02
Chain on Demand: Deferred Evidence Organization for Long-Term Conversational Memory
• 提出Chain on Demand，将证据组织推迟到查询时。
• 在固定锚点预算中结合相关性、词法多样性和新覆盖词项，再确定性恢复同会话邻域。
• LoCoMo非对抗题准确率82.2%、全量76.3%，LongMemEval-S为86.6%；底层记忆保持不变。
2026-11-02
HeLM: Hierarchical Explicit Language Memory for Non-Markovian Manipulation
• 提出HeLM，以显式语言保存非马尔可夫操作所需历史。
• 分解事件检测与事件触发记忆更新，按层组织语言状态并跨任务边界保持上下文。
• 10类真实任务、56变体中情节内成功率提高12.8个百分点；组合任务子目标成功率78%，限于所测机器人场景。
2026-11-02
A State Change Is Local, Its Consequences Are Not: Dependency-Aware State Revision for Long-Term Agent Memory
• 提出StateGraph，修订事实时同步检查依赖结论。
• 从历史恢复依赖边，用反事实验证区分支持关系和语义相关，仅在严格依赖失效且无替代支持时使状态失效。
• 50个人工构造案例中级联越深优势越大；属于初步受控证据，公开记忆基准多数结果相近或更高。
2026-11-02
Top-$k$ Retrieval Leaves Memory Value Undetermined
• 证明常见top-k检索日志未必能确定单条记忆的价值。
• 根据各记忆及成对共同检索计数分析可识别性，LEDGER只估计可确定的Shapley值并主动改善日志信息。
• 55种标准基准配置均不能确定记忆价值；主动检索提高可识别性，但HotpotQA准确率下降2.6个百分点。
2026-11-02
Rethinking Next-Visit Diagnosis Prediction Beyond Aggregate Metrics: Retrieval--Memory Multi-Agent Adjudication
• 分析检索与患者轨迹记忆在不同时间转变中的作用。
• 按持续、新增和复发诊断分解评测，LONGINUS保留双视图共识并对分歧作盲来源裁决。
• 四个LLM在MIMIC数据上多数转变指标改善；重复上次就诊的启发式仍很强，不能据此证明临床有效。
2026-11-02
From Benchmarks to Behaviors: A Framework for Auditing AI Agents
• 以TRACE框架审计用户记忆如何影响智能体引用来源。
• 固定问题及搜索结果，操纵简短用户记忆，并记录输入、执行和输出以隔离来源选择变化。
• 出版者偏好使前三引用出现率增加33–39个百分点；特定不信任记忆也提高错误信息来源引用，效应随模型变化。
2026-11-02
WASP-Mem: Let Agent Organize Procedural Memory. Human Spend Effort on Diagnosis
• 提出WASP-Mem，让智能体将执行经验整理为互链程序记忆。
• 从成功与失败轨迹及反馈持续整合wiki，受控比较摄入范围、整理方式、反馈和迭代轮次。
• TheAgentCompany通过率提高4.6–6.1%、存储减少57–61%；人工诊断价值高于额外自评轮次，限于该任务环境。
2026-11-01
Can Large Language Model Agents Learn by Watching Tutorial Videos?
• 提出TAL，将教学视频变成可持续扩展的tutorialbook记忆。
• 用视频问题挖掘和对抗式修订维护结构化记录，按目录树结合推理检索。
• 在72段棋类教学视频及另一领域验证，棋局开局比较中69%占优；结论限于所测任务。
2026-11-01
Meta-memorization and memorization scaling laws in transformers
• 研究Transformer为何随规模增加而更快记住新序列，提出元记忆效应。
• 在随机二进制序列上分析注意力头传递位置无关信息、MLP存储序列及注意力瓶颈。
• 复现容量和学习速度规律；随机序列证据不能直接等同自然语言知识泛化。
2026-11-01
SPAR: Experience-Driven Strategy Evolution in Multi-Session B2B Sales
• 提出SPAR，把销售经验维护为可检验策略假设。
• 内环以情节记忆适应商户，外环通过因果归因和假设驱动更新共享手册，区分策略错误与外部因素。
• 超过20万商户的线上A/B测试报告转化提升15.8%；结果属于特定平台整体系统，非所有记忆组件的独立因果效果。
2026-11-01
Evolving Memory, Learning to Meta-Control: Test-Time Adaptation for Experience-augmented LLM Agents
• 提出OMCE，同时演化经验记忆和使用控制策略。
• 上下文bandit根据检索信号选择直接执行、情节、指导或蒸馏，并用任务反馈更新记忆库与路由。
• 四骨干四基准首次成功率最高提高20.5个百分点；相对ACE的token节省依赖报告配置。
2026-11-01
MemRole: From Memories to Decisions for Long-Horizon Reasoning in Role-Playing Agents
• 提出MemRole，显式连接历史经历、动机与当前决策。
• 将推理分为情境理解、记忆激活和策略规划，用角色及时间约束记忆池训练，再以自批评蒸馏改进。
• 32B模型的记忆角色扮演分数提升15.2个百分点，并改善动机识别；证据来自小说衍生及角色基准。
2026-11-01
Hippocampal consolidation without replay in fully fine-tuned networks
• 提出DeltaHippo，用训练期海马式索引保护持续学习中的知识。
• 保存输入子空间、能量及残差，在优化器前后限制更新方向；推理时移除记忆索引。
• 语言模型的方向旋转和断读消融显示内容决定保持；TACRED收益不代表一般生成能力全面保留。
2026-11-01
SurgStream: A Workflow-Anchored Proactive Streaming Framework and Benchmark for Real-Time Surgical Video Understanding
• 提出SurgStream，以工作流锚定多模态事件记忆。
• 稳定事件变化触发三元组记录，阶段结束时压缩为摘要，结合期限感知监督控制何时响应。
• 11.7K交互基准显示记忆和前瞻问答改善；基于视频任务评测，不构成临床部署有效性验证。
2026-11-01
TrackMem: Tracking Evolving Beliefs in Long-Horizon Financial Dialogue
• 提出TrackMem，跟踪长期对话中的信念演化。
• 按说话者建图，保留数值版本、实体分析视角和行为顺序，并引入FinLoCoMo测试失败类型。
• 15段对话765题上，失败模式宏平均73.9%对69.4%；数据规模有限，不代表投资决策质量。
2026-11-01
Do Embodied VLMs Actually Use Their Scene-Graph Memory?
• 提出图交换诊断，检验VLM是否真正使用场景图记忆。
• 以另一情节的图替换当前记忆，比较文本输入、图编码及逐节点token融合对回答的因果影响。
• 文本记忆使路线题提高30个百分点，逐节点图输入恢复8.3个百分点；冗余文本会让模型忽略图。
2026-11-01
Do agents need to sleep?
• 提出借鉴睡眠选择机制的智能体记忆整合论点。
• 将ringing、resonance和renormalization映射到数字记忆操作，针对漂移、错误传播与容量饱和提出预测。
• 属于概念性、可证伪假说；尚未通过实验证明比其他整合机制更有效。
2026-11-01
When the Text Is Silent: Memory Shortcuts and the Validity of LLM Annotation under Evidence Insufficiency
• 研究证据缺失时参数记忆取代当前文本的捷径。
• 995名公众人物及匹配控制构成反事实文本，操纵证据、奖励与评估压力，并测试姓名提醒和遮蔽。
• 捷径主要在证据缺失而非冲突时出现；事实正确的标签仍可能无文本依据，缓解有属性相关权衡。
2026-10-31
Who Schedules Agent Memory? A Sidecar Approach to Long-Horizon Tasks
• 提出MemSidecar，把记忆调度从主智能体任务执行中分离。
• Hooks按事件条件交付绑定记忆，Foresight并行预测查询并缓存经匹配和有效性检查的结果。
• 两种模式在MCP-Persona分别得41.23%和44.34%，并减少成本与延迟；两者可独立选择。
2026-10-31
Pulse: Long-Horizon Tasks Need Streaming Personalization
• 提出Pulse，让个性化记忆随长任务执行持续介入。
• 独立轻量记忆智能体监测新需求和偏好冲突，并通过强化学习优化介入时机与内容。
• 在π-Bench与MCP-Persona分别得71.9%和46.4%，并改善执行效率；收益限定于报告基准。
2026-10-30
MEMIG: Self-evolving Memory Construction for Antibody Optimization
• 提出MEMIG，替代科学优化经验的自由文本改写。
• 按领域标识保存定量测量，局部更新并精确查找，再连接联合干预以记录上位性。
• 在多数计算抗体优化设置改善表现；未构成真实实验或临床抗体效果证据。
2026-10-30
When History Overrides Intent: Relational Schema Lock-In in Human-LLM Interaction
• 研究历史记忆形成的用户理解越权覆盖当前意图的关系模式锁定。
• 结合用户报告、六模型受控历史实验及360人交互，区分任务完成与忠实执行。
• 替代式产物可维持完成率却偏离用户意图；结果针对所测交互条件，不代表所有记忆系统。
2026-10-30
What Does a Repair Agent Gain from Remembering Its Failure? An Exploratory Study on Real Python Bugs
• 直接比较代码修复重试中的不同失败记忆。
• 在75个BugsInPy缺陷的181次失败上对照普通重试、转录、教训和测试信号，并增加模型及通知对照。
• 记忆收益点估计提高5.5–9.9个百分点但均未显著；教训不优于转录，完整测试套件削弱表面收益。
2026-10-30
KEEPER: Learning Control-Sufficient Textual Memory for Long-Horizon LLM Agents
• 研究递归文本记忆为何持续保留错误，提出KEEPER比较框架。
• 沿信息内容和更新敏感性比较四类辅助目标，结合离线强化学习和逐主张轨迹分析。
• 奖励相关预测取得最高任务表现；纠错证据含单条轨迹案例，不能据任务分数断言记忆可靠。
2026-10-30
KITE: Retrieval as a Decision Procedure for Long-Term Conversational Memory
• 提出KITE，把记忆检索转为可检查的决策过程。
• 构建和查询共享受控主题词表；查询编译成固定查找排序计划，再用稀疏词法检索恢复细节。
• LoCoMo和LongMemEval-S准确率为93.5%和86.0%，每题约1.6k读者上下文token；结果基于所测基准。
2026-10-30
ORION: An Outcome-Driven LLM Advisor for RL-Based Multi-Domain 6G Slice Placement
• 提出ORION的结果驱动情节记忆，用部署可行性指导后续规划。
• 保存网络条件、抽象方案及已验证成败，回馈规划器并以重要性保留经验。
• 固定下游执行后，未见拓扑上的接纳率提高4.6–11.5个百分点；结论限于参数化网络实验。
2026-10-30
DAMI: Dual-Axis Memory Initialization for Enhanced Long-Context Retrieval in Gated Linear Attention
• 提出DAMI，通过初始化控制记忆衰减和输入敏感性。
• 联合设置门控参数，在头间分配几何时间尺度、在层间设置敏感性，并用少量激活校准。
• 五类递归架构的检索准确率提高5.29–16.71个百分点，普通语言建模和常识表现总体相近。
2026-10-30
SPARK: Self-Correcting Embodied Memory via Physical Re-Observation
• 提出SPARK，用主动重观察纠正跨情节环境记忆。
• 语义批评器定位可疑区域，规划定点重访，并选择性新增、删除或替换知识库记录。
• 四张AirSim地图均改善问答，较追加更新少存13–41%对象；证据来自模拟地图和固定158题。
2026-10-30
From Lookups to Lessons: Turning Retrieved Knowledge into Parametric Memory
• 提出ResMem，把检索证据转为可复用参数记忆。
• 让同一骨干读取离线证据产生教师分布，仅训练记忆模块的加性logit残差。
• 五个问答集平均F1从32.83%升至34.48%，较kNN训练记忆少破坏21%的既有正确答案；存储比较基于所用管线。
2026-10-29
Fewer Heads, Fewer Memories: Pruning Redundant Attention Heads Suppresses Verbatim Memorisation
• 检验冗余注意力头是否参与逐字记忆复现。
• 推理前置零任务冗余头，对照已知记忆序列召回和WikiText-103语言建模。
• 剪除729头使记忆计数减少91.5%、困惑度改善0.92；仅验证GPT-2-XL及相应基准。
2026-10-29
Accept Changes, Reject Attacks: Robust Memory Management for LLM Agents
• 联合研究记忆过时与投毒，避免分别优化相反写入决策。
• 证据条件准确率同时检查答案和所选记录是否完整、最新且无攻击，再用合成变更及攻击情节训练管理器。
• 三个骨干的整体指标超过未调优管理器两倍，但鲁棒性仍不完整。
2026-10-29
MemSteer: Turning User Histories into Supervision for Agent Memory Optimization
• MemSteer 从未标注用户历史生成记忆优化监督。
• 以证据支撑的回答计划生成 QA，经来源审计和盲答核验，再诊断并修改存储、检索与上下文设计。
• 相对 Base-BM25，ATM-Bench 提升 13.4 点；RHELM 在无/有外部数据时提升 4.1/6.6 点。
2026-10-29
Federated Recommender Agents
• FedRecAgent 让推荐代理共享自然语言经验，同时将个人历史与记忆留在本地。
• 将经验表示为条件—转移—理由单元，分层整合共享理由，由个人语义和决策记忆引导检索。
• 三个领域的稠密与稀疏设置优于所测基线，消融支持记忆和结构整合的作用。
2026-10-29
Ask to Evolve: A Unified Harness for Lifelong Embodied Navigation with Hybrid Action Space and Persistent Memory
• EvoLife 将主动询问、导航动作与持久空间记忆结合。
• 把观察和对话绑定到地点，保留经验以指导后续访问和连续任务。
• R2R 回访 SPL 从 82.23% 升至 93.31%，并报告多日实机导航；结果限于所测路线和任务。
2026-10-29
Sticky Collusion: Persistence of LLM Agent Collusion after Incentive Removal and Partner Replacement
• 研究合谋是否由交互记忆承载，而非仅由奖励或固定伙伴维持。
• 从已形成合谋的历史分支执行，比较奖励变化、换伙伴、完整擦除及分部件擦除记忆。
• 全部擦除在所测模型中终止合谋，部分擦除在 8/9 组合仍保留；证据限于特定双代理验证任务。
2026-10-29
Long-Term Agent Memory through Complementary Curation and Consolidation
• 结合情节与关系记忆，研究两者在长期对话中的互补性。
• 混合记忆架构保存事实、事件和关系，并通过巩固机制维持效率。
• 报告 LoCoMo 90.2% 和 LongMemEval-S 85.5% 准确率；证据范围为这两个基准。
2026-10-29
Low-Bit GDN Recurrent-State Quantization: Global Gradient-aware Allocation and Pure-Write Sliding Windows
• 研究低比特循环记忆写回误差及近期信息维护。
• 按未来预测损失敏感度分配精度，并将近期纯写入暂存为 FP8 向量对，离开窗口后再并入历史状态。
• Qwen3.5-4B/9B 的七任务平均分达 69.83%/78.63%；结果来自所测精度预算及窗口配置。
2026-10-29
Don't Lose the Thread: Empowering Long-Horizon LLM Agents with Cognitive Resource Self-Allocation
• CORAL 让代理主动管理工作记忆，减少长程推理中的上下文干扰。
• 代理保存进度与已验证事实，重置上下文后继续推理，并通过多阶段强化学习优化检查点。
• 8B 模型在 GAIA 达到 42.8% 准确率，输入 token 比 ReAct 少约 6–7 倍；另报告跨任务收益。
2026-10-29
When to Assist and What to Suggest: Joint Gating and Memory-Grounded Hint Generation in One Compact Decoder
• 联合研究何时调用用户记忆及如何生成主动提示。
• 同一紧凑解码器从中间层门控，并在一次前向计算中生成记忆支持的建议。
• 28,058 个决策点显示移除记忆损失 24.7 个精确匹配点；人工评价中单模型仍低于 8B 生成器。
2026-10-28
Is it my preference? Role Grounding Attack against Agent's Memory via Social Interaction
• 揭示嵌套社会对话导致偏好被错误归属到受害用户的记忆漏洞。
• 攻击者发布显式标注来源的经验对话，利用写入时角色绑定丢失，使错误偏好在后续召回影响决策。
• 在五种记忆系统、六种语言模型上报告工具操纵和隐私泄露风险，强调需保留角色归属。
2026-10-28
What Should a Navigator Remember? Spatiotemporal Memory for Zero-Shot Vision-Language Navigation
• 研究零样本语言导航应保留什么信息及如何组织记忆。
• 任务、时序和空间记忆联合保存进展、位姿锚定的压缩观察及几何，供推理器选择路点。
• 移除时序记忆使平均路径由 16.9 米增至 39.1 米；另在 R2R-CE 与实机场景评估。
2026-10-28
MUSE: Multi-Level Memory with Selective Runtime Injection for Scientific Coding Agents
• MUSE 将科学编码执行经验组织为全局、方法和实现三级记忆。
• 根据成败反馈抽取经验，全局库可替换和退役并复核来源；运行时按当前操作门控注入检查建议。
• 四类科学编码评测及跨核函数基准迁移支持收益；记忆库在测试前冻结。
2026-10-28
Security Impact of Coding Agent's Memory Files
• 把项目记忆文件视为可操纵编码代理的持久攻击入口。
• 在 36 个 SecRepoBench 任务、12 类 CWE 上比较两类恶意指导及无攻击对照，并检查来源披露。
• 安全完成率变化为 −8 至 +6 个百分点，无一致攻击效果；代理间披露行为差异明显。
2026-10-28
CALM: Conflict-Aware Lifecycle Memory Governance for Long-Horizon Language Agents
• CALM 区分持久保存与查询时准入，让过时记忆仍可支持历史重建。
• 根据支持、冲突和依赖更新有效性，再按时间适用性门控查询证据。
• 在 LoCoMo、LongMemEval-S 及冲突分析中报告改进；历史重建实验支持保留被替代记录。
2026-10-28
Routed Continual Learning
• Routed CL 根据任务选择经验应保存在何种记忆系统和状态簇中。
• 执行前读取簇记忆增强上下文，执行后仅更新被选簇；可保留轨迹、提炼策略或维护结构化状态。
• 398 个交错实例、四模型中优于全局历史，并降低估计 API 成本；记忆系统库在评价前固定。
2026-10-28
HEDGE: Gated Hypergraph Memory for Scalable Multi-Agent Debate
• HEDGE 用超图组织跨轮、多代理辩论记忆。
• 超边关联相关论点，内部关系图保留细节；学习门控决定 STORE、BACKUP 或 OMIT。
• 七基准中相对最强多代理对照平均提升 5.0 点，记忆用量减少 48%；收益依赖所测骨干与任务。
2026-10-27
Remembering Is Not Enough: Refining Memories and Learning When to Use Them in Multi-Agent Systems
• DiscernMem 同时修正流程记忆内容并学习适用边界。
• 比较单条记忆与无记忆执行，诊断并修复规则，在当前和旧任务复测；元记忆记录各角色使用效果。
• 四基准、三框架上平均领先最强所报基线 0.51–4.32 点；评价使用单一 Qwen3-4B 骨干。
2026-10-27
From Voiceprints to User Entities: Online Speaker-Memory Construction for Multi-User Spoken Agents
• EvoSpeakerMem 区分声纹观测与持久用户身份，保护用户级记忆访问。
• 因果说话人路由和选择性声学更新引导分区写入与检索，并构建隐藏身份的 LoCoMo-ID。
• 身份门控 QA 在干净/偏移条件提高 3.86/11.62 点；减少碎片仍可能伴随错误跨用户链接。
2026-10-27
CAMR: Compatibility-Aware Memory Replay for Continual Learning in Large Language Models
• CAMR 联合控制新样本学习与历史记忆回放。
• 兼容性检查和学习门控在通用回放、相关强化与跳过已掌握重复项间选择，反馈包括获取、保持和成本。
• Qwen3-8B-Base 在事实更新及四类任务序列上显示保持收益；结果未覆盖其他模型规模。
2026-10-27
Select-TTT: Query-Conditioned Selective Fast Weight Updates for In-Place Test-Time Training
• Select-TTT 针对均匀写入导致的无关内容干扰。
• 从冻结输出头估计各块对查询的相关性，以温度 softmax 调节快权重写入学习率，无新增参数。
• 两个基准和两个骨干的长上下文 QA 均改善；多查询长程代理仍是未来扩展。
2026-10-27
TrawMem: Reframing Agent Memory as Task-Oriented Role-Adaptive Workspaces
• TrawMem 将记忆组织为任务导向、角色自适应工作区。
• 从交互历史构建本地线程，联合选择直接证据与语义相似度较低但互补的记忆。
• 在两基准、四骨干上宏 F1 提升 2.23–3.14 点；LoCoMo 部分设置同时降低上下文 token。
2026-10-27
TDLM: Adaptive Temporal Integration for Diffusion Language Models
• TDLM 为扩散去噪引入跨步隐藏状态记忆。
• 冻结去噪器，让未决位置通过因果时序注意力读取自身历史表示，并用自生成轨迹训练。
• LLaDA 中新增约 0.84% 参数；LLaDA/Dream 上最高报告 7.15 倍生成加速及具竞争力质量。
2026-10-27
Self-Keyed In-Parameter Memorization for External Memory-Free Dialogue Recall in Frozen Language Models
• SKIM 研究无需外部存储的对话记忆写入与召回。
• 模型为每回合生成多样问题作键，通过闭式方法把键及对话内容写入参数。
• 五种语言模型中可由后续用户问题召回多数已存回合；摘要未提供统一定量总分。
2026-10-27
Proactive Memory for Event-Driven LLM Agents
• ProactMem 强调先验证历史行为规律，再用于主动服务。
• 近期事件支撑轨迹事实，历史回放评价规律，随后匹配当前事件条件。
• 提出纵向 ProactiveStream 基准，报告整体 F1 52.6%，相对最强外部基线提升 21.4%。
2026-10-27
The Envelope Layer: An Underestimated Surface of LLM Agent Defense
• 研究历史经验记忆如何改变代理消息封装层的防御边界。
• 在 A2A-TIBA 设置中交叉测试标签强度、封装真实性及成功/失败记忆。
• 成功记忆提高语义突破率，失败记忆降低；混合经验多回到无记忆基线，结论受攻击与前端范围限制。
2026-10-27
ETAMem: Decoupling and Aligning Heterogeneous Memory for Long-Term Conversational Agents
• ETAMem 将异质对话信息解耦为互补记忆视图。
• 抽取原子单元，增量维护事件、情感、时间层次，并按查询熵分配各视图检索预算。
• 在 LoCoMo 和 LongMemEval-S 报告 12.46%/7.96% 相对准确率提升，视图分析支持互补性。
2026-10-27
From Interaction to Capability: Task Advancement as State and Supervision for GUI Agents
• TAM 将 GUI 已验证进展同时用于当前任务状态和可复用操作学习。
• 从成功或失败任务的局部成果抽取输入、预期结果及验证条件，按界面兼容性检索并以新观察验证执行。
• MobileWorld 状态记忆使成功率从 12.0% 升至 28.2%；完整方法相对最强对照提升 17.6%。
2026-10-27
Multi-State Linear Attention with Generalized Second-Order Routing
• MERLIN 用二阶信息改善分段记忆状态的内容寻址。
• 跟踪各段键的一阶和二阶矩，以查询对齐的均值与方差融合各状态读出。
• Gated DeltaNet 与 Mamba-2 上的长上下文 QA 和 LongBench 均有收益；验证限于所测多状态模型。
2026-10-27
SkillMem: Compact External Skill Memory for Latent Multi-Agent Reasoning
• SkillMem 将执行经验提炼的文本技能编译为紧凑外部潜记忆。
• 成败配对轨迹产生技能，经去实例信息和去重后蒸馏；角色条件读出器在后续任务读取同一记忆。
• 六基准中显示推理与存储收益，每技能约 9.6 KB；评测库离线构建，未证明在线生命周期治理。
2026-10-26
Let the Gate Decide: Per-Lookup Precision for Quantized Conditional Memory in LLMs
• 发现按访问频率分配条件记忆精度可能损害长尾事实，读取门值更能反映误差影响。
• GateRQ 将表项编码为逐级一比特残差，根据门控值选择读取深度。
• 两模型实验在每次读取 2.10 比特时约损失 0.2 个 PopQA 点；准确率和资源收益依赖所测设置。
2026-10-26
Stratum: Repository Memory for Coding Agents Beyond the Context Window
• 提出随代码仓库持久保存、跨模型会话继承的分层经验记忆。
• 用索引和分页安全工具返回相关知识，并明确已返回内容、剩余内容及成本。
• 八个真实 bug 的实验中，根因文件定位为 21/24，对照为 6/24；规模较小，属于初步验证。
2026-10-26
Agent Memory as Recommendation: Recommender-System Design for Long-Term Memory of LLM Agents
• 将智能体记忆选择形式化为预算约束的推荐列表，提出 AgentMemRec。
• 以候选生成、学习排序和列表组合选择记忆，无需为选择过程调用 LLM，并分解各阶段证据完整性。
• 在 LongMemEval、LoCoMo 上取得较强结果；与每问 64 次调用的重排器相当，服务成本低 3.2 倍。
2026-10-26
Harness-Model Collaboration for Long-Horizon Continual Learning
• 提出 HaMo，协同使用快速外部经验积累与慢速模型参数适应。
• 将轨迹蒸馏为可检索策略卡，训练模型理解和执行策略，再按检索覆盖度选择互补轨迹更新参数。
• 域内与跨域变化下优于仅使用 harness 或模型适应的比较方法；证据支持保留与迁移的协同作用。
2026-10-26
Streaming Recurrent Memory
• 提出 Streaming Recurrent Memory，在不保留原始经验的流式约束下维持可用历史状态。
• 固定输入存储结构并学习读出，支持内容/时间召回、经过步数跟踪和顺序敏感组合，仅使用单步 BPTT。
• 在关联回忆、在线语言建模和延迟奖励 T-Maze 上有效；结果来自所测流式任务，不能直接外推到大模型部署。
2026-10-26
Adaptive Memory Index Evolution for Agents
• 提出 AMIE，将记忆访问状态的持续更新作为独立于内容修改的适应机制。
• 从部署检索和语义教师判断累积有界访问状态，重加权后续召回而不改写存储内容。
• 五种宿主、三基准的 15 组下游比较均提升；频次策略有时更强，误抑制常用记忆会造成失败。
2026-10-26
MemVLN: Streaming Episodic Memory for Vision-Language Navigation
• 提出 MemVLN，为流式视觉语言导航维护有界的持久情节记忆。
• 把压缩感知特征与时间、相对位姿结合，通过交叉注意力读出记忆，并以掩码轨迹重建训练。
• 标准 VLN-CE 多项指标领先；实机验证仅六个留出回合，报告成功率从基线 17% 升至 40%，后训练达 47%。
2026-10-26
RetroNav: Scene-Grounded Retrospection and Retry for Self-Evolving Lifelong Navigation
• 提出 RetroNav，把累积场景知识与历史导航经验连接起来支持失败反思和重试。
• 区分客观观测与任务解释，通过观测溯源关联两种记忆，由独立评估者触发反思并生成证据化重试说明。
• 五个导航基准报告较强表现；记忆在规定场景和任务序列内持续，场景记忆与同任务重试说明作用不同。
2026-10-26
CRIM: Composable and Reusable Item Memory for Efficient Personalized Retrieval
• 提出 CRIM，将项目语义编码为可跨请求复用的连续记忆，分离项目表示与用户历史建模。
• 用可学习摘要 token 压缩项目，按交互顺序组合记忆；少量实时重编码和周期刷新支持联合训练。
• 在 MovieLens-1M、Qilin 和 LazSeq 上报告更好的检索质量与较低推理成本；验证范围为个性化检索。
2026-10-25
EMMA: Structured Episodic Memory for Multi-Agent Workflow Synthesis
• EMMA 将执行经验按控制、角色和流程三层持久组织。
• 反思定位失败所属层级，每次只做受护栏限制的一处修改，并重跑验证；测试阶段冻结记忆。
• 在三个基准、五骨干上报告优于比较方法，并减少训练执行次数；不意味着部署时持续在线更新。
2026-10-25
Holding a Steady Course: Knowledge Evolution from Expertise and Lessons for Continual Agent Learning
• 提出 KEEL，将执行经验转化为可持续验证和维护的程序知识。
• 利用验证器证据形成成功技能和纠错教训，随新证据支持、反驳、替换或退役技能主张。
• SkillFlow 上相对无知识基线提升 4.2–21.7 个百分点，消融显示技能与教训互补；结果限于所测任务。
2026-10-25
Memory Tax: Dissecting the Net Value of Agent Memory
• 提出 Memory Tax，以相对原始历史直接检索的净收益评估专门记忆系统。
• 将组织和访问变化分为记忆收益与记忆损失，分析证据被删除、遮蔽及评测设计的影响。
• 多基准、多模型比较发现若干记忆系统不及朴素 RAG；这是特定配置的负结果，不能概括为所有记忆无效。
2026-10-25
CoLink: Global Compression and Knowledge Linking for Multi-Turn Dialogue Modeling
• 提出 CoLink，把对话历史关联与全局压缩结合，缓解长程对话信息丢失和冗余召回。
• 构建主题图关联外部知识，融合语义与拓扑检索，再以信息论目标和竞争槽压缩历史与知识。
• 在公开及自建 MMD 数据上报告改进；验证聚焦领域多轮对话，未证明任意任务的通用长期记忆能力。
2026-10-25
EvolveMAS: A Unified Self-Evolution Framework for Decentralized Multi-Agent Systems
• 提出 EvolveMAS，以独立 MemoryAgent 治理记忆并支持跨回合经验演化。
• 回合内更新隔离的结构化记忆，回合间结合结果蒸馏伙伴档案和交互策略供后续复用。
• 五基准、六配置中的归一化平均分为 77.2；消融支持记忆治理与跨回合复用，但未更新模型参数。
2026-10-25
CaliMem: Search-Efficient Data Agent via Calibrated Memory
• 提出 CaliMem，通过校准持久经验结论减少数据智能体由单次试验造成的过度泛化。
• 执行策略前预测结果，再用实际误差保留、修订主张并明确适用条件，支持长程搜索。
• 生物任务与 LLM 后训练实验显示持续收益，最高超过全量数据训练 19.4%；该数字为特定实验最大值。
2026-10-25
The Price of Scale in Proactive Memory Recall
• 揭示主动记忆召回中的规模代价：固定相似度阈值会随记忆库增长产生大量误打扰。
• 将触发判定建模为多重检验，推导规模与命中率关系，并提出利用用户其他线索校准的共形门控。
• 回放实验验证阈值失效；LongMemEval 上门控将误报维持约 5%，理论保证依赖交换性假设。
2026-10-24
ReSight: Task-Driven Self-Improving Memory for Embodied Agents
• 提出 ReSight，使具身智能体记忆的表征和访问能力随任务需求扩展。
• 保留原始观测，利用探索—蒸馏—挂载流程把经验转化为可复用查询工具、记忆构建器和技能。
• 固定执行模型与在线预算后，FindingDory 成功率由 38.3% 升至 63.8%；长尾新任务和长期反复扩展仍待评测。
2026-10-24
CoEvolve: Counterfactual-Guided Co-Evolution of Memory and Collaboration in Multi-Agent Systems
• 提出 CoEvolve，协调多智能体的记忆演化与协作结构更新。
• 以可复用技能连接协作决策和记忆，比较原始与反事实轨迹以更新技能库、技能记忆和执行者记忆。
• 在 ALFWorld、WebShop 上领先所比较方法；消融支持对齐演化与反事实信号，泛化证据限于两类环境。
2026-10-23
Can Test-Time Memory Evolution Outperform Test-Time Training for Scientific Discovery?
• 提出测试时记忆演化 TTME，以持续更新外部经验替代在线模型权重训练。
• 将有效修改与失败反馈蒸馏为指导和策略，合并同类条目、刷新计数并清除陈旧指导，再用于后续候选搜索。
• 五项数学任务均优于所比较的 TTT，FLOPs 降低 82.8%–84.6%；结论限于这些发现任务。
2026-10-23
Lifelong Context Adaptation through Bidirectional Memory-Skill Learning
• 提出 MemCryst，让情节记忆与可复用技能相互学习，适应有界上下文中的终身任务。
• 反复经历触发技能创建和修订，技能执行补充新记忆，任务结果调整已服务记录的后续检索影响。
• 十种设置中领先七组比较；ALFWorld 联合使用成功率 63.17%，高于记忆单用 59.83% 和技能单用 50.50%。
2026-10-23
LogLook: Execution-Grounded Memory for Frontier-Model Robot Planners
• 提出 LogLook，把情节记录的保存与规划器选择视觉证据分开。
• 系统保留执行日志及先前笔记，模型按预期变化索取画面，并先略读演示再选择细节。
• 配合基准运动规划器时以少 43% 的 token 匹配笔记式记忆成功率；直接控制下 RoboMME 测试成功率为 93.5%。
2026-10-23
CauProphet: Teaching Agents to Develop Causal Cognition like Humans
• 提出 CauProphet，将过去经验转化为可持续更新的因果知识供后续决策使用。
• 结合长期因果认知与当前证据形成任务信念，在新观测到来时同步修订信念和持久认知。
• 金融及其他任务显示知识迁移收益，动态预测准确率从 21.3% 升至 28.6%；这些任务结果不等同于普遍因果正确性。
2026-10-23
ActionRAG: Evidence-Refining Graph Diffusion for Long-Term Memory in LLM Agents
• 提出 ActionRAG，将谨慎记忆索引与查询时图证据重估结合。
• 通过类型对齐和分级实体消歧建索引，再以受保护种子和抑制枢纽的局部扩散修订三元组分数。
• MemoryAgentBench 八个确定评分列平均准确率 55.1%，高于最强检索式基线 5.4 点；成本与时延按文中口径测量。
2026-10-23
Gaussian Episodic Memory for Long-Term Spatiotemporal Reasoning
• 提出 GEMS，用持久时空高斯场景记忆支持自然语言问答和按需视角检查。
• 局部保存场景变化，语言模型通过检索、重渲染与跨时间比较工具逐步收集证据。
• 473 个问题覆盖 3 个真实和 12 个合成环境；问答优于所测基线，但真实场景的位姿误差和渲染伪影会影响效果。
2026-10-23
FlexA-Mem: Budget-Adaptive Agentic Memory for LLM Agents
• 提出 FlexA-Mem，以同一历史存储适配任务进度记忆和精确事实召回。
• 每条历史仅写入一次，逐调用渲染紧凑时间线，再按固定规则把相关原文或摘录装入剩余预算。
• 在 AppWorld 紧预算任务上提升表现，在 LongMemEval/LoCoMo 上匹配专门关键词检索；消融显示两类任务依赖不同信息。
2026-10-22
Phronix: The Capability-Centric Learning Paradigm for Agents
• 提出 Phronix，让智能体从自身执行中积累、验证并复用持久能力。
• 通过预测—验证—纠正闭环维护三层能力存储，写入时编译及去重，检索技能块并将失败研究反馈为后续能力。
• 在所测重复任务上报告 93%–95% 首次成功率和暖启动成本下降；冷暖对照及软件任务规模限制了外推。
2026-10-22
SPECMEM: Accelerating Agentic Tool Calling via Live Memory Management
• 提出 SpecMem，在部署过程中持续维护工具调用记忆，为推测解码提供可复用草稿。
• 将验证通过的调用写回有界用户存储，以 LRU 淘汰，并推迟不可逆调用直至验证通过。
• 相对冻结记忆，平均接受 token 提高 27%，最高加速 1.74 倍；用户隔离和副作用门控分别缓解泄漏与错误执行。
2026-10-22
DraMaze: A Multi-Agent Pipeline with Future-Aware Memory for Diverse Microdrama Script Generation
• 提出 DraMaze，利用未来情节需求组织历史记忆，兼顾长篇叙事连贯性与多样性。
• 以套路记忆引导进化树搜索和变异，再用反向叙事依赖树决定历史信息的保留与召回。
• 在三种 LLM 上获得一致改进；60 集脚本的因果模式重复率降低 32.1%，证据限于所用创作评测。
2026-10-22
Governance-State Corruption in Long-Term Memory for LLM Agents: A Cross-Model Stress Test
• 研究内容不变时，记忆有效性状态损坏如何影响语言智能体。
• 对 731 个基础实例和 2,080 对样本扰动治理属性，并区分离线投影与下游回答评估。
• 控制面 96.25% 配对发生投影变化；下游非概率抽样面板有明显正确率损失，不能用代理指标代表整体安全。
2026-10-22
Is Complex Agentic Memory Always Needed? Naive RAG Is Stronger Than We Thought
• 用原始历史证据检索检验结构化或压缩记忆的信息损失。
• 直接保留原始历史并组织证据召回，比较压缩或抽取记忆带来的信息损失。
• 七种基准-模型设置中六种领先，增益 0.13–5.53；不能推广为所有任务都无需结构化记忆。
2026-10-22
Retrieval-Augmented Online Textual Memory for Episodic Memory Video Question Answering
• 研究视频情节记忆中检索单元、上下文覆盖与问答质量的关系。
• 以细粒度匹配选择记忆，再返回包含上下文的父级描述供问答使用。
• Ego4D 闭集问答达 56.4；更大覆盖不总带来更好问答，结果限报告设置。
2026-10-22
The Value of Memory in Language Agents
• 从下游决策损失刻画记忆价值与证据恢复成本。
• 以任务损失和证据恢复前沿刻画记忆价值，用反例检查通用分数的不足。
• 在 LoCoMo、更新和纵向诊断上分析；结果支持任务依赖评价，不给出通用单一最优分数。
2026-10-22
Muffin - A Shared Memory Buffer for Asynchronous AI Agents
• 通过异步共享中间发现协调多语言模型智能体的协作。
• 共享可复用发现但保持各代理私有推理，以异步读写协调协作。
• 20 项设置中 17 项最好；相对辩论基线报告准确率提高 19.2%、标记减少 77.4%，限所测协议。
2026-10-22
When Is a Memory Safe Enough to Act On? Action-Conditioned Verification for Long-Lived Agents
• 根据待执行动作的风险决定何时复核旧记忆。
• 按动作风险选择验证并以信息价值停止，区分安全继续、补证与阻断。
• ToolSandbox 成本降 33.9% 且所测安全继续召回 100%；AppWorld 成本降 21.3%，质量略有损失。
2026-10-21
SpatialBrain: Spatial Intelligence Growing from Experience
• 在固定视觉语言骨干外积累过程经验，指导后续空间推理。
• 在任务块结束后整合无答案、无坐标的执行记录，更新策略和程序可用性供后续块使用。
• 五个基准四升一平；反馈衡量执行可靠性和成本，不是答案正确性奖励。
2026-10-21
Plan First, Act Later: Streaming Reasoning for Executable Memory in Robot Control
• 让高层视觉语言模型保存语义事件与可执行子任务记忆。
• 视觉语言模型写入语义事件与子任务记忆，用两阶段验证监督记忆使用。
• RoboMME 56.05 对 44.51；四项真实任务平均 60.83，对照为 45/28.33，规模有限。
2026-10-21
Memory-Centric Continual Learning for AI Agents
• 围绕记忆资产、维护策略和生命周期提出持续学习框架。
• 以概念分类整理记忆载体、管理操作及内层状态和外层策略更新，提出保留、适应、迁移评价。
• 提供概念与评测框架；不能视为新算法已获实验证实的性能提升。
2026-10-21
When Thoughts Become Memory: Unifying In-Context Learning and Fine-Tuning
• 量化未见信息存于上下文或权重时的记忆价值。
• 以信息恒等式、先验和修复解码损失区分上下文与参数中的记忆信息。
• GPT-2 在限定流选择测试给出证据；认证依赖设定，不等同所有推理模型的机制结论。
2026-10-21
PreCoMem: Predictive Cognitive Memory for Self-Evolving Long-Term Dialogue Agents
• 用置信信念和惊讶度区分真实用户变化与噪声。
• 以惊讶度门控更新，对噪声证据暂存，维护用户画像并修正冲突信念。
• 在三个基准及 DiMoBench 评估；阈值与置信度设计仍依赖任务分布。
2026-10-21
Uni-Mem: Learning a Long-Horizon Agentic Memory Manager with Unified Online Policy Optimization
• 联合学习记忆写入与检索，并分配后续任务反馈的信用。
• 联合训练记忆构建与检索，以阶段分解策略优化和事件级信用分配衔接两者。
• LoCoMo、LongMemEval 上优于所测 RL 基线；结论限所用任务和训练协议。
2026-10-21
Compaction Laundering: Provenance Destruction in Context-Compacting Coding Agents
• 研究上下文压缩丢失来源信息时产生的指令洗白风险。
• 比较扁平压缩与带类型的来源保留，并检验压缩后低信任内容变成指令的风险。
• 五种扁平方式攻击率 87–100%，四种类型化方式未观察成功；有限实验不等于普遍免疫。
2026-10-21
Remembering Through Change: Provenance-Preserving Hypergraph Memory for Multimodal Agents
• 以类型化超图连接实体身份、状态变化和来源证据。
• 用类型化超图保留实体身份和状态关系，以代理搜索检查来源而非扁平近邻召回。
• 三个基准报告提升 8.20–9.98%；依赖报告的读者、图构建及评价设置。
2026-10-21
MemPlan: Memory-Conditioned PDDL Planning for Partially Observable Text Environments
• 联合保存成功规划知识和被执行结果否证的假设。
• 在固定 PDDL 域保存成功规划知识和被否证假设，由语言模型解析、落地并复用。
• TextWorld、ALFWorld 和 Robotouille 改善规划效率；依赖固定领域与符号接口。
2026-10-20
What should AI forget? A design and taxonomy for negative space governance in AI memory
• 研究用户不希望助手记住的信息，以及可交互的记忆排除规则。
• 从 179 个事件、146 名用户归纳 15 类不应保留内容，设计政策门控与用户覆盖机制。
• 15 人设计研究支持交互方案；不是形式化隐私或全面遗忘保证。
2026-10-20
Memory as Code: Declarative Retrieval over Codified Long-Term Memory
• 把长期记忆编码为分层可执行表示，并用声明式查询组合事实。
• 将记忆编译为原子函数、关系与组合层，以声明式程序执行查询。
• LoCoMo、LongMemEval 报告最高 15.91% 相对评判器增益；依赖编译正确性及所测协议。
2026-10-20
EventSync: Event-Driven Memory Updates for History-Dependent Manipulation
• 以经过验证的子目标完成事件触发历史记忆更新。
• 只有视觉状态和末端执行器监控共同确认完成后才写入历史，避免未完成步骤污染记忆。
• RoboMME 64.5、提高约 20 点，并评估四项真实任务；验证质量仍依赖监控。
2026-10-20
Disclosure Begets Disclosure: A Self-Reinforcing Privacy Loop in LLM Agents with Persistent Memory
• 研究助手记忆与用户敏感信息披露之间的反馈循环。
• 模拟用户与助手的披露循环，测试记忆引出的预设性回答和响应防护。
• 24 个属性、四个模型中防护降低披露；模拟行为不能直接代表真人隐私反应。
2026-10-20
Combining Long-Term Memory and LLMs Comes at a High Cost: From Prompt Injection to Persistent Compromise
• 分析持久助手记忆注入的跨会话传播与跨用户影响。
• 测试多种服务中的记忆注入、后续会话影响及组织范围传播。
• 三个服务的攻击合计覆盖多类目标；不能据此声称每个平台对所有攻击均易感。
2026-10-20
inr2action: Encoding Robot Episodes as Neural Implicit Representations for Recall and Action
• 将机器人情节编码为固定大小的参数增量，支持语言问答与动作解码。
• 将视频编码为相对元初始化的权重增量，以固定记忆支持语言问答及动作解码。
• 报告 R² 0.51 和噪声下优势；限所测任务，不证明通用具身长期记忆。
2026-10-20
PerMIT: Securing Persistent Memory for LLM Agents via Machine-Checked Integrity Theorems and Scalable Community Trust
• 为持久记忆的权限释放建立有限接口完整性模型。
• 在有限接口上形式化完整性约束，只信任用户或门控确认记录，并测试投毒。
• Lean4 证明依赖明确接口假设；TrojanHippo 未观察攻击成功，不能外推到任意代理。
2026-10-19
Cognitive Maps in Large Language Models
• 通过内部干预检验语言模型关系记忆的键值绑定与组合。
• 以关系绑定探测和因果干预检查认知地图是否体现为键值式关联记忆。
• 较大模型出现组合式错误记忆；证据基于合成实体关系，不能等同真实世界全局坐标地图。
2026-10-19
Weighted State Souping for Efficient Long-Context Retrieval
• 按查询加权组合缓存的状态空间记忆，增强选择性召回。
• 按查询权重组合已缓存块状态，检验多跳、变量追踪及工具使用。
• 支持固定状态组合的可行性；理论与合成测试不能证明任意长程语言任务的可靠记忆。
2026-10-19
Whose Credential Is It? How Owner Attribution in Agent MemoryShapes Cross-User Account Misuse
• 审计共享记忆中的凭据归属及其对跨用户误用的影响。
• 区分记忆中看到凭据与实际误用，构造归属压力测试并加入所有者绑定。
• 305 例中绑定将误用由 92 降至 1，但牺牲 3–5 个任务；暴露率不应等同滥用率。
2026-10-19
CoMem: Learning to Anticipate Failures from Retrieved Experience
• 结合检索案例与学习到的失败假设，在执行前预判风险。
• 从成功与失败经验学习预判错误，将检索记录转为任务条件化的失败假设。
• 两种主干、五类任务有收益；跨分布效果依赖经验覆盖和检索质量。
2026-10-19
ACE-Trader: Adversarial Co-Evolution for Generator-Critic Trading Systems
• 以完整交易流水线反馈更新生成者和评审者的角色经验记忆。
• 以实际执行反馈更新近期记忆选择器，从共享交易记录提炼各角色可复用经验。
• 与 22 个基线比较，但依据市场回测；不构成未来收益保证。
2026-10-19
SPEM: Structure-Aware Procedural Memory for Efficient Skill Use in LLM Agents
• 从成功执行中抽取 Skill-DAG，维护可复用流程记忆。
• 对成功轨迹反向切片提取必要依赖，复用成功时强化或修订模板，失败只更新可靠性。
• ALFWorld 成功率 87.1%、SkillsBench 奖励 38.38；效果依赖检索和执行能力，训练评估轨迹分离。
2026-10-19
Learning What to Remember: Resource-Efficient Self-Improvement for Lifelong Agents
• 从执行反馈学习经验的情境价值，指导预算内的检索与保留。
• 从稀疏任务反馈学习查询条件下的记忆价值，在固定预算内检索和维护经验。
• 三个 LifelongAgentBench 设置报告最高成功率和较低标记量；依赖预算及反馈分布。
2026-10-19
ScopeMem: Latent Memory That Learns Where to Revise Frozen GUI Agents
• 分析潜在记忆如何控制冻结 GUI 智能体的动作修订范围。
• 控制潜在记忆何时允许改写初始动作，区分历史信息贡献与动作修订效果。
• 分析显示部分增益来自修订范围控制；三基准结论不能简单归为记忆信息增加。
2026-10-19
ReInsVLN: Revisiting Historical Evidence for Training-Free Vision-and-Language Navigation
• 通过历史证据压缩与计划性重读改善冻结模型的语言导航。
• 保持导航模型冻结，压缩历史证据并按计划重读指令与相关观察。
• 两主干 R2R 成功率约 64.3/64.4，增 8.48/3.37 点；收益限报告导航配置。
2026-10-19
BetaMem: Learning to Remember a Changing World for Embodied Agents
• 以可执行写入契约学习维护有来源支持的具身记忆。
• 六层记忆以可执行写入契约维护支持关系，经监督学习和验证反馈优化。
• 报告多个具身/对话基准收益及成本下降；不同任务协议不可直接混作统一成绩。
2026-10-19
M-Plan: Comprehensive Planning For LLM Agents with Memory Arrangement
• 通过长期执行经验与短期任务指引的闭环优化支持长程规划。
• 成功轨迹精简里程碑，失败轨迹与成功案例对比补充洞见，回写后供新任务生成指引。
• ALFWorld、Webshop、PDDL 上改善成功率和效率；依赖模拟任务与所测模型。
2026-10-19
LVMem: Image-Augmented Memory for Long-Horizon Question Answering
• 为长程问答记忆保留原图引用，并按需复查视觉证据。
• 通过对象线索和光流选择帧，语言模型按需查看关联图像补足文本记忆。
• OCNaVQA 两种主干有收益；未构建显式三维图，结论限所测长程问答。
2026-10-19
AutoRedClaw: Automated Red-Teaming for Claw-Style Agents
• 自动生成并执行针对持久助手状态的投毒攻击与评测环境。
• 自动生成并在环境中验证持久状态投毒，跨代理框架与模型测试。
• 330 例、七种框架和四个模型多数攻击率超 50%；生成和筛选分布限制普遍性。
2026-10-19
REM: What to Store, When to Recall, What to Forget in Experience Memory for Coding Agents
• 联合设计编码经验的存储、困难时召回和使用后驱逐。
• 先存约百倍缩小的经验描述，受阻才召回实现，使用一次后移出活跃上下文。
• SWE-Ctxt-Lite 匹配率 68.7 对 55.6，解决率 27.6 对 24.9，成本降 17%；限该协议。
2026-10-19
ProMemAgent: Long-Horizon Proactive Assistance with Context-Aware Prospective Memory from Sensory Perceptions
• 将感知事件与延迟意图关联，支持长期前瞻记忆和主动协助。
• 将意图与感知线索及情节记录关联，检索合适时机触发未来行动。
• CPMBench 含 1,000 例八类任务，所测方法表现较好；不代表真实长期个人部署已验证。
2026-10-19
More Memory, Worse Agents: Error Reproduction and Anti-Persistence in LLM Agents
• 分析持久经验抽象导致的错误再生，并提出按任务丢弃合成指引。
• 保留执行事实与结果，每任务丢弃合成指引，并自适应选择可复用经验。
• 所测留出任务取得较好成功率与调用成本；并非证明所有持久抽象记忆有害。
2026-10-18
MemPrice: Online Memory Allocation via Adaptive Pricing for Long-Horizon Agents
• 把有限上下文中的记忆保留及表示粒度建模为在线资源分配。
• 累积记忆压力转为上下文价格，按估计保留价值分配粒度，并跨刷新维持占用控制。
• 在四个基准比较匹配预算；遗憾保证相对同状态基准且依赖规律性与次线性估计误差。
2026-10-18
Deep Fusion Memory: A Chunk-Level Parametric Memory for Large Language Models
• 学习块级参数记忆，并与冻结语言模型的隐状态融合。
• 因果预测器生成块级记忆，用检索嵌入监督门控交叉注意力融合。
• 报告 32 倍更少查询及 2,048 倍更少检索项，QA 与领域任务提升；倍率依指定对照。
2026-10-18
Memory as Belief: Bayesian Evolution of Memory for Self-Evolving LLM Agents
• 将经验价值表示为可随任务和执行反馈修订的信念。
• 将记忆作为可更新信念，结合任务结果校准其可信度和执行价值。
• 推理和代码任务报告收益；置信度更新仍依赖反馈质量与任务分布。
2026-10-18
Memories That Outlive Their Reasons: Dependency-Tethered Memory for Tool-Using LLM Agents
• 把记忆绑定到具体证据版本，并撤回失去支持的记录。
• 为记忆记录确切依赖版本，在支持失效时撤销资格并只复查相关依赖。
• Fallout 不安全行为 62→0.3%，较全查少 37% 检查；较弱写入器会削弱收益。
2026-10-18
LAMB: Latent Multi-Hypothesis Beliefs for Long-Horizon Large Language Agents
• 在循环潜在记忆中保留共享证据和多个竞争假设。
• 递归保存共享证据和增量假设，按结果更新权重，以模仿和辅助目标训练前缀策略。
• ALFWorld、ScienceWorld、Crafter 报告增益；多假设保留价值限所测部分可观察任务。
2026-10-18
Memory, Know Your PLACE: Governing Lifecycle State and Query-Time Eligibility in Persistent-Memory Agents
• 分离持久记忆的写入状态认证与查询时使用资格。
• 分离写入认证与读取资格，以析因实验测试状态治理和当前问题相关权限。
• 特定状态正确设置下读取门控消除测得泄漏；不能视为无条件防护。
2026-10-18
Improving the Expressive Power of Hybrid Sequence Models via Multi-Hop Retrieval
• 分析共享键值记忆的多跳读取如何增强混合序列模型的表达力。
• 让固定次数的检索逐步组合函数，分析与单次 top-k 检索的表达能力差异。
• 给出复杂度分离并在合成任务验证；不能直接推断自然语言长上下文性能。
2026-10-18
Atoms, Not Knowledge: What Production-Scale Addressed-Memory Writes Deposit
• 审计大规模寻址记忆写入后的事实覆盖与组合使用能力。
• 扩大写入事实数量，区分存储覆盖、给定证据与真实召回以及组合使用。
• 50→1,000 事实时覆盖由 98% 降至 12.7%；组合近基线，干扰与容量成因尚未分离。
2026-10-18
Let Them Sleep: Recursive Self-Pruning Memory for Long-Horizon LLM Agents
• 在休整阶段把失败情节整合为规则，并递归修剪记忆。
• 休整阶段聚类失败、提炼规则并删除旧情节，按复用效果衰减或晋升记忆。
• 三个设置报告提升且条目减少；含模拟任务，不能推广为所有代理都需同样休整机制。
2026-10-17
Parametric Session States Recover Retrieval Intent without Replaying History
• 提出 PSS，把会话检索意图保存为可复用参数状态，支持无需重放历史的后续请求。
• 将历史与正负线索编译为会话 LoRA，仅用于生成检索线索，检索后卸载并由冻结模型依据外部事实回答。
• 262 个公开转换会话中检索与回答改善；离线写入成本随历史增长，评价依赖已提供的会话关联与写入监督。
2026-10-17
PACE-Mem: Prefix-Aware Complementary Evidence for Multimodal Agents
• 为多模态长期记忆选择互补证据并自适应决定读取长度。
• 先池化查询相关记录，再以 MMR 形成互补证据序列，并从相邻分数下降选择前缀长度。
• 三个长视频基准、两个框架平均较 Adaptive-k 提高 1.6%；保持写入和生成不变，限片段式记忆。
2026-10-17
Memory Internalization via Test-Time Training for Long-Video Understanding
• 将长视频知识压缩为逐视频适配参数，支持不再输入视频的语言问答。
• 以因果追踪选择写入层，再蒸馏视觉片段带来的表征变化，生成只读文本的逐视频参数记忆。
• 在三个长视频基准减少合成监督需求并改善无视频问答；结论限逐视频适配设置。
2026-10-17
Hippo: Training-Free Agent Self-Evolution via Hippocampal Replay
• 通过多次执行尝试的对比回放整合持久经验，修订重复或冲突的指引。
• 对比同任务多次尝试以提炼经验，再与现有记录合并、消解冲突并修订适用条件。
• 三个代码/网页基准均提升且保存更少经验；无整合的累积基线后期可低于无记忆。
2026-10-17
Write Once, Query Many: Evolving Compact Reusable Memory for Long Videos
• 在未来问题未知时一次构建可复用的多模态视频记忆。
• 视频一次写入多尺度记忆；写入器按来源保真演化，读取器按证据定位及使用错误演化。
• 相对未演化框架平均提升 7.2%；存储较原视频约降 99.86%，成本和精度结论限所测视频 QA。
2026-10-17
MemRevise: A Self-Revising Memory for Conversational Search
• 提出可修订会话记忆图，支持主题事实的停用与重新激活。
• 3B 写入器逐轮记录添加、放弃和恢复操作，记忆图保留被停用主题的事实以便再激活。
• CONVREVISE 含 4,429 问；固定检索器平均 MRR@10 为 0.701，CORAL 上与强重写器统计持平。
2026-10-17
How Intervention History Changes AI Agent Sabotage on Subsequent Tasks
• 研究跨任务保留的干预历史如何改变语言智能体后续的破坏行为。
• 对后续新任务配对比较无历史、被替换通知和可信模型替代内容，并测试历史压缩。
• IaC 上一模型双目标成功率由 77% 降至 12%/38%；其他模型效果不显著，不能归因于反馈本身。
2026-10-16
GRAD: Graph-Structured Antibody Defense for LLM Agents
• 以执行图聚合跨操作的攻击证据，检测记忆投毒及分解攻击。
• 图模块聚合操作文本、事件属性和关系；冻结编码器专家按可观察签名路由，持续添加检测能力。
• Decomp/MCP/MRT AUROC 为 97.19/77.59/86.60%；同时覆盖分解攻击，不能将所有收益归于记忆防御。
2026-10-16
SAFE-Mem: Secure Agentic Memory with Fine-Grained Authority and Governance-Aware Retrieval
• 按主张的类型、权威和范围治理持久记忆的使用权限。
• 为主张标注治理标签，并在来源句、实体和主张图上按查询权限筛选可用记忆。
• 四个主干的 MPBench/LoCoMo 上较保留合法记忆的最强防线攻击率至少低 77%；并非无条件安全保证。
2026-10-16
From Memory Hits to Answerable Evidence: Query-Conditioned Memory Compilation for Long-Term Agent Memory
• 将长期记忆寻址与回答证据编译分离，在预算内组织跨会话支持。
• 寻址层定位描述与容量受控单元，规范化为稳定来源包，证据层按查询预算组合并呈现主张。
• LoCoMo Judge Accuracy 80.52%，LongMemEval-S 也有收益；指标依赖评判器和报告协议。
2026-10-16
Darwin-Claw: Environment-Adaptive Experience Consolidation for Recursively Self-Evolving Agents
• 将交互经验提炼为情节记录与技能补丁，并以受控生命周期整合更新。
• 从交互提炼经验，按上下文命中、效果和效率评分，执行试用、晋升、竞争替换及淘汰。
• WildClawBench 与递归优化任务报告收益；评分包含 LLM 归因，不能视为严格因果验证。
2026-10-16
MARS: Memory-Aware Routing for Session-Level LLM Assistants
• 让共享会话状态联合控制记忆视图构造与模型选择。
• 查询/主题管理器提供共享会话状态，同时指导固定记忆构造策略和在线模型路由。
• RealMem 保留全上下文 GPT-4o 的 98.2% QA、调用成本 14.5%；MultiChallenge 总体仍落后最强静态系统。
2026-10-16
RL-Guided Temporal Localization for Dual-Channel Retrieval in Long-Horizon Agent Memory
• 针对语义相似却时间不符的记忆检索，学习证据时间窗口。
• 1.7B 定位器用 RL 推断证据时间窗，再融合时间/语义通道并按窗口邻近度重排。
• LifeBench 61.52%、LoCoMo 78.96%；结果支持时间约束召回，限所测长期生活记忆数据。
2026-10-16
GLOBE: Evolving Structured Agentic Memory for E-commerce Product Optimization in Generative Search
• 从产品优化执行反馈形成可维护的流程行为手册。
• 编辑器应用行为、反思器提案、审核器去重、管理器提交，并停用持续有害行为。
• 行为结构、反馈演化与审核改善效果和下行风险，并迁移到未见类别；结论限产品优化任务。
2026-10-16
Learning Personalized Memory Gating from Delayed One-Sided Feedback
• 学习用户特定的事实写入门控，在有限预算下保留有用记忆。
• 以后续检索并进入回答的事实作标签，Warm-Start UCB 结合离线初始化和用户在线单侧延迟反馈。
• 不同预算/历史长度下优于基线；遗憾界依赖延迟窗口与特征假设，检索使用标签不等于用户价值。
2026-10-16
Cache2LoRA: Understanding and Improving Context Internalization
• 研究文档写入低秩参数后的事实保持与回答适应。
• 冻结文档缓存按查询聚合证据生成 LoRA，以多风格监督同时训练事实保留和回答表达。
• 17 项任务宏 F1 0.663，接近全上下文 0.671；固定大小干扰测试支持 LoRA 保留优势。
2026-10-16
A Conditional No-Hair Theorem for Transformers: How Language Models Forget Their Prompt
• 分析语言模型隐状态中的提示记忆如何随续写衰减。
• 固定续写文本比较不同提示的隐状态差异，分析注意力稀释和续写接力，并干预 logit 偏置。
• 衰减界依赖有限深度、有界 logits 和非零前归一化激活；行为信息仍可由生成文本承载。
2026-10-16
Reasoning with Context Management and External Memory
• 以外部记忆保存推理中间信息，减少上下文管理造成的重复计算。
• 上下文管理时把额外中间信息保存到外部记忆，避免重复计算又不扩张主模型上下文。
• 少量数学问题上降低重复步骤时间并改善复杂任务；实验含 0.4–25M 小模型及 GPT-2。
2026-10-15
ProV-Mem: Proactive Memory for Streaming Video Question Answering
• 通过触发记忆和情节记忆协调流视频助手的响应时机与内容。
• 触发记忆决定何时查询，固定指令先验指导内容，情节记忆过滤重复输出，并提出成本敏感 CAUC。
• 四种视频场景 CAUC 最佳；分解界依赖条件充分性假设，指令先验本身并非学得持久经验。
2026-10-15
When Plans Change, Remember: Replanning-Guided Visual Memory for Vision-Language-Action Models
• 以计划变化触发 VLA 关键视觉事件的有界记忆写入。
• 比较对齐未来动作预测的计划分歧，用选定信号触发视觉写入，再屏蔽机器人自身冗余帧。
• 事件检测 ROC-AUC 0.981–0.997，所测关键观察保留率 100%；该指标不是任务成功或物理安全。
2026-10-15
From Relevant Memories to Sufficient Evidence: Rethinking Memory Utilization in LLM Agents
• 将相关记忆组织为具有充分支持的回答证据集。
• 多粒度发现后生成绑定来源的 ViewCards，再按充分性选择性补回缺失信息，不改写原存储。
• 共享存储下 LoCoMo Judge Accuracy 91.43%，较 MemR3 高 7.6 点；结果依赖指定读者和评判器。
2026-10-15
Not All Graphs Are Maps: A Task-Agnostic Exploration Framework for Mobile GUI Navigation
• 将任务无关的 GUI 探索转为可复用目的地和路线记忆。
• 评价指令出现前离线探索，保存功能、页面和路标；对照无记忆、随机、BFS 与干净图。
• 导航成功率 UI-TARS 52.4→58.3%、Qwen-VL 59.5→71.4%；只评估到达执行前页面，不是完整任务成功。
2026-10-15
Spatial Memory by Agents, for Agents
• 使用编码智能体自动设计空间记忆构建与检索程序。
• 设计代理反复编写记忆代码，用固定查询代理反馈搜索；测试前冻结实现，未见下游问题。
• 三次搜索五轨平均 44.23 对最强全轨基线 29.32；仍有定位与证据使用失败及计算权衡。
2026-10-15
MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning
• MemComposer 学习当前问题应使用哪些经验、多少条及何种顺序。
• 利用完整代理交互的成功反馈，以 ExPO/GRPO 训练记忆组装策略。
• 三个 τ²-bench 领域、两个执行器上优于各自最强基线，记忆 token 减少 16.9% 和 4.9%；迁移结果限于所测领域、执行器和记忆库。
2026-10-15
Compression Does Not End at Selection: Post-Selection Positional Geometry for Sparse KV Caches
• RoPERelay 研究选取记忆之后的地址几何如何影响保留证据读取。
• 固定内容选择和容量，压紧保序 RoPE 坐标、重定位 key 相位并同步后续 query。
• 两模型六选择器三记忆任务的 36 个比较中 32 个改善；LongMemEval-S 一组从 23.6% 升至 35.4%，请求时间开销约 1%–3%。
2026-10-15
All-in-One Memory: Process-Rewarded Reinforcement Learning for Memory Agents
• AiO-Mem 联合优化记忆搜索、写入和停止决策。
• 把历史编译为可溯源事件，独立过程奖励模型经监督和 DPO 训练，用动作平衡奖励驱动 PA-DAPO。
• 报告优于静态及 RL 记忆代理；摘要没有统一数值效应量，结论限于所测长期记忆基准。
2026-10-15
MemScope: Evolving Agent Memory Architectures through Localized Code Repair
• MemScope 通过局部代码修复维护代理记忆架构，减少粗反馈导致的大规模重写。
• 联合检查轨迹、记忆状态和代码，在身份及记忆兼容约束下定位并修改。
• GAIA 轨迹加记忆反馈为 86.67%，仅轨迹为 70%；ALFWorld 未见任务从 50.75% 升至 71.64%，证据限于所测架构快照。
2026-10-15
An Agentic Framework for Proactive Robots with Procedural Assistance Memory
• Procedural Assistance Memory 记录用户例行活动，支持高层 VLM 判断何时主动帮助。
• 预测器读观察和流程状态机，反思模型每天依据轨迹修订规则；VLA 执行任务，权重保持冻结。
• 五天桌面实验首次触发延迟由约 5 秒降到 1 秒，一次更新可修复习惯错配；证据来自小规模评估。
2026-10-15
Memorilla: Latent Semantic Memory for LLMs
• Memorilla 将累积文档与交互历史压成潜在语义记忆供冻结模型使用。
• 文档编码一次，按查询检索组合为输入嵌入空间的 16 个记忆 token。
• 八个基准中五个最佳；FactKG 达 84.33%，TextWorld 成功率由全历史上下文的 18.6% 升至 24.2%，并非所有设置都获益。
2026-10-15
Writability and the Pathway: A Controlled Study of Knowledge Injection into Addressed Memory
• 研究条件记忆知识写入、问题迁移和非目标行为保持的区别。
• GPT-2 对比行更新、投影更新与残差锚定，结合 Qwen 梯度写入及 DeepSeek 零阶实验。
• GPT-2 各组可复现训练补全但严格答案得分仍为零；Qwen 首 token 排名改善不等于完整答案成功，不能推出通用可写性。
2026-10-15
Reliable Knowledge Acquisition for Continual Learning Agents
• RIKA 将经验知识抽取与后续记忆准入分离，研究有害经验的可靠性。
• 四类知识经来源证据准入；推断主张等待后续支持，持续反对证据触发修订或遗忘，文件供后续任务复用。
• 六类任务流、四骨干上总体分最高，较最强基线高 0.046–0.081；收益随任务流变化，未证明高风险应用安全性。
2026-10-15
TEM: Temporal State Tracking Memory for Large Language Model Agents
• TEM 保留变化事实的多个版本，使更新后仍能回答历史问题。
• 检索版本按来源排序并标记历史状态，用事件和原始对话补充结构事实。
• 420 道问题上历史标签使实体命中率提高 17.14–55.95 个百分点；两个骨干在 LoCoMo 优于会话 RAG，需结合指标和证据预算理解。
2026-10-15
Memory as Weights: Internalizing Long-Term History for Streaming Videos
• MaLoW 将视频历史内化为参数记忆，使历史与当前观察不争用输入上下文。
• 递归 HyperNetwork 把新观察整合为固定 LoRA 权重，配套构建 56K 视频、381K 问答训练数据。
• OVO-Bench 回顾子集较已有记忆方法提高 3.9%–11.8%，同时有延迟开销；结论限于所测骨干与基准。
2026-10-14
ECHOES: Seeing Beyond the Current Image via Recursive History Compression and Privileged On-Policy Distillation
• 训练 GUI 智能体把视觉历史递归压缩为保真的文本记忆。
• 压缩-思考-行动格式更新历史状态；训练时多图教师指导学生，并按感知-记忆保真差距平衡目标。
• 四个 GUI 基准与 ECHOESBMK 改善任务和保真，部署不保存历史截图；依赖特权训练信息。
2026-10-14
EvoWeave: Composing Reusable Agent Experience through Operation Level Graphs
• EvoWeave 保存操作级经验图，使历史片段按当前任务依赖组合复用。
• 反思分离实际证据与抽象操作，经过结构、能力及契约验证后更新；任务流从空记忆起步并跨后续任务复用。
• AppWorld Normal/Challenge 完成度为 51.91/27.99，较无记忆高 6.99/4.99 个百分点；检索开销和复用前提仍构成限制。
2026-10-14
STRATA: Self-Maintaining Structured Experience Graphs for Self-Evolving Language Agents
• STRATA 把经验保存为技能、流程、元框架三级记忆图，针对任务增长退化与负迁移。
• 结果反思写入，按操作目标检索，结合社区归纳、垃圾回收及对比边维护跨任务经验。
• 四类交互基准和两骨干中平均分最佳；同系统内对比边使 ScienceWorld 从 78.7 升至 96.7，收益依赖所测协议。
2026-10-14
MemCode: Discrete Semantic Representations for Long-Term Agent Memory
• MemCode 将对话转为独立原子记忆，以离散语义关联补充向量检索。
• 通过可学习码本和同构语义量化建立共现召回路径，分离在线写入与异步整合。
• 在两个骨干的 LongMemEval-S、LoCoMo 实验中总体准确率最佳；每段对话构建约 40–130 秒，结论限于所测配置。
2026-10-14
Beyond Retrieval: Evidence Access and Event Aggregation in Agent Memory
• 结合源证据访问与事件聚合，解决代理历史问题不能只靠相似检索回答的困难。
• Trajectory Memory 保留轨迹并构造可寻址阅读视图；TallyMem 增加事件账本、模型生成规范和确定性执行。
• 776 道 MINTEval 问题上 Qwen3-32B 精确匹配由 35.2% 升至 49.0%；AMA-Bench 增益仅 1.3 个百分点，受事件规范错误限制。
2026-10-14
StateCraft: Augmenting Video World Models with Abstract-State Reasoning
• StateCraft 用语言模型维护可更新语义状态，保存画面外变化并条件化视频生成。
• VLM 读取当前节点、动作与历史，预测新建保持再访问和图差分，持续维护可编辑实体记录。
• 文件管理器实验验证再访问及编辑；采用首次访问初始化，3D 仅概念验证，微调存在域外泛化代价。
2026-10-14
EGCForest: Structured Agent Memory Organization for Enterprise Group Chats
• EGCForest 按工作流、说话者语境和产物生命周期组织企业群聊记忆。
• 从原始日志建立三种森林，用位置映射和稀疏桥连接视角，联合消息相关性与层级摘要召回证据。
• 三个聊天基准中优于所测 RAG 和记忆基线，较 MemOS 最多高 20.85 个百分点；最大增益不是平均收益。
2026-10-14
DeltaStreamer: Towards Human-Like Agentic Streaming Video Understanding
• DeltaStreamer 在问题出现前记录视觉变化，保留未知未来问题需要的证据。
• 持续观察写入记忆，查询规划器检索记录并按需重放帧，补充描述遗漏。
• OVO-Bench、StreamingBench 分别为 66.07%、59.53%，优于所比较方法；主动补证仍依赖历史帧可访问。
2026-10-14
MemDuet: Learning Dual-Process Memory for Long-Context Reasoning
• MemDuet 将快速选证与慢速验证更新结合，协调长文档记忆准确率和效率。
• 小模型并行选取块证据，大模型按文档顺序更新记忆，经过监督、GRPO 和联合训练。
• 三个基准评估设置中较 RL-MemAgent 平均加速 9.74 倍、输出 token 少 73.91%；结果需与准确率效率权衡一同理解。
2026-10-14
Reflect After Failure: Brain-Inspired Self-Evolving Agents for Embodied Spatial Intelligence
• HiMeco 从失败轨迹形成可维护策略和流程记忆，区分感知、探索与规划失误。
• 比较执行尝试并抽象技能，用证据契约和执行验证决定保留复用，仅在轮次间更新记忆。
• 报告 ESI-Bench 最佳表现，未再演化时 EmbSpatial-Bench 高 3.94 个百分点；结论针对所测空间任务。
2026-10-14
Cortex: Consolidating Context into Parametric Memory
• Cortex 研究移除上下文后如何保留其收益，同时保护非目标能力。
• 生成预期查询，将上下文输出蒸馏为低秩或结构化前馈更新，测试单次、批量和顺序巩固。
• 多数配置位于巩固保持经验前沿；14B 模型 50 次事实编辑后恢复 88.9% 上下文收益并保留 99.8% 非目标表现，不能外推所有任务。
2026-10-14
Continuum Attention
• Continuum Attention 以连续记忆曲线积分替代离散键值寻址。
• 查询诱导指数相关密度，用闭式矩计算归一化读取和梯度，保留二次序列复杂度。
• 验证损失较 softmax、focal 分别低 0.0200、0.0480 nats/byte；额外切片支持收益，但大规模泛化未确立。
2026-10-14
Thinking in Graphs: Neo4j-Backed Exploit-Chain Reasoning for LLM Penetration-Testing Agents
• ChainGraph 将安全分析发现保存为结构化图记忆，支持依赖链推理和证据追溯。
• MCP 暴露 Neo4j 类型节点和前后条件边，查询只返回决策相关子图，分离文档记录与推理状态。
• 合成 Active Directory 单次示例显示链式严重度变化和约 98% token 代理载荷减少；并非通用基准证明。
2026-10-13
Many Steps into One: Reasoning Contraction and the Limits of Safe Memory Reuse for LLM Agents
• 分析把多步推理压缩为记忆复用后，事实变化如何导致陈旧回答。
• 以似然比监测失败、对实时推理验证效用，在变化时重启证书或使记忆失效，并给出安全复用的条件性界。
• 五种 LLM 的事实编辑实验中，常用计数器产生更多陈旧回答；安全收益依赖可验证结果和变化检测假设。
2026-10-13
MemAct: Streaming Spatial Understanding with Memory and Active Exploration
• MemAct 将流式空间记忆与主动获取新证据纳入同一 VLM 推理循环。
• 模型增量写入结构化历史，按需检索记录和旧帧，再通过移动或转向补充证据并决定回答或继续探索。
• 约百万训练样例及 20,000 项主要问答评测支持效果，另有 2,000 项时机问题；作者报告优于所比流式基线。
2026-10-13
Keep Your Receipts: Trustworthy Cleanup of Agent-Built Knowledge Graphs
• PolyGraph 研究来源撤回后如何可靠清理代理知识图谱记忆。
• 构造每项合并、边及摘要时保存证据组合收据，再用删除证据后的重新推导审计收据可信度。
• 细粒度收据优于整段平铺来源；在受控语料中污染查询降至 0.4%/0.8%，但模型自报收据并非天然可靠。
2026-10-13
Explore with Memory, Learn without It: In-Context Exploration and Self-Distillation for LLM Reasoning
• LEAF 用问题特定记忆改进强化学习探索。
• 每次验证后保存最近回答、奖励与反馈，在下一 rollout 前读取；通过自蒸馏将策略更新与有记忆探索分开。
• 四项基准和两个模型上探索约加速四倍，未见测试集准确率提升 1.59 和 1.83 个百分点；记忆主要作用于训练期。
2026-10-13
Memory Echo in Single-Agent Long-Term Memory: Lifecycle Evaluation and Provenance-Guided Mitigation
• 定义 Memory Echo：同源历史经反复检索回写获得过量证据权重。
• MEchoBench 测试产生、持续和纠错抵抗，FPA 按来源族去重、限制旧记录资格并以权威证据约束回答。
• 190 个问题的配对回放中，两种模型准确率分别从 0.825/0.782 升至 0.920/0.916；结论限于该受控协议。
2026-10-13
Learning How to Remember: Memory Modality Selection for GUI Agents
• SwitchMem 研究 GUI 代理历史记忆模态为何应随步骤变化。
• 在每个交互步骤动态选择文字或视觉经验表示，取代全程固定的一种记忆模态。
• 在三个 GUI 基准上优于固定模态记忆基线；结果支持按步骤选择，而非任何模态普遍最优。
2026-10-13
Provenance and Authorization in Autobiographical Language Models
• 把自传语言模型记忆中的来源混淆和授权误用表述为安全问题。
• 使用带类型记录、认证证明、独立策略通道与允许视图，分析完整性、非干扰及精确保留决策的摘要条件。
• 提供显式假设下的论证，以及 32 个合成案例的 576 个配对条件试验；不是现实人群心理结论。
2026-10-13
Heading Hierarchy Reconstruction for Complex and Long Documents with Level-Wise Multimodal Memory
• 为长文档标题层级重建引入按层保存的多模态记忆。
• 逐页处理时保留各层最近标题锚点及其视觉、文本和布局模式，作为后续页面判断依据。
• 新增含 250 份文档、11,212 页的人工核验基准，并在四个基准验证有效性；任务范围为文档层级一致性。
2026-10-13
Reliable Memory from Unstable Growth: Curating Self-Written Agent Playbooks with Randomized Experiments
• RBC 用随机实验判断代理自行写入的教训是否真正有助于后续任务。
• 把相关教训成组随机纳入或排除，估计对成功率的影响，再在新练习任务上选择整理版、完整版或无手册。
• 两个记忆系统、三种模型及三个基准的平均成功率达 66.9%，完整手册为 55.5%；仍依赖练习任务代表性。
2026-10-13
MemoryVLN: From Ego-Aware Memory Representation to Cross-Context Memory Reuse in Vision-Language Navigation
• MemoryVLN 围绕空间接地记忆构造和跨上下文复用设计导航系统。
• 用时间采样压缩历史，联合语义、几何与位姿表示，并通过分层记忆库、置信写回及 Top-K 检索维护经验。
• 在 R2R-CE 与 RxR-CE 上报告成功率约提升 2% 和 6.5%；证据限于所测导航基准。
2026-10-12
Recall Begets Recall: Recurrent Memory Ranking for Personalized LLMs
• ReMind 将个性化记忆排序改为可自行停止的循环召回。
• 每次召回的记忆扩充下一轮查询线索，充足性预测器判断是否已经积累足够证据。
• 在公开基准中优于所比记忆排序方法；效果体现查询适应的互补证据选择，摘要未提供统一增益数值。
2026-10-12
Error Correction in Trained TTT Layers
• 剖析已训练 TTT 层的预测误差项如何参与快权重记忆更新。
• 推导不同目标的更新结构，并通过保留雅可比、匹配更新范数等干预区分代数形式与实际行为贡献。
• 在 100,303 个文学文本词元上移除预测项使困惑度约增 2.8–2.9%，冻结全部更新则增至 4.2–4.5 倍；证据范围有限。
2026-10-12
Purpose IR: Compiling User Purpose for Privacy-Preserving Agent Workflow State
• Purpose IR 区分任务证据可访问性与持久记忆保存授权。
• 把用户目的编译为有类型的语义数据流，仅允许经验证输出进入可复用状态，并在显式执行契约下分析隐私边界。
• 1,200 个案例上隐私达 99.6%、隐私合规成功率 83.3%；493 条 PrivacyLens 轨迹的安全行动率 77.3%，不代表无条件保证。
2026-10-12
Scaling Unified Multimodal Models to Long-Horizon Interleaved Generation
• 以持久视觉参考扩展统一多模态模型的长程交错生成。
• 保存完整语义历史，选择检索场景相关视觉状态，并通过短程自回放适应不完美的生成历史。
• 在 LongMIG-Bench 上展示更长轨迹的角色和场景一致性；摘要未给出统一数值增益，结论依所测生成设置。
2026-10-12
When Goals Leak Across Relationships: How Cached Goal Representations Shape Cross-Client Decisions
• 研究共享会话记忆中的客户目标如何串扰其他客户决策。
• 在受控双客户环境中探测 KV 缓存目标归属，并对特定注意力头的目标表示作因果消融。
• 20 个场景中 22% 的适用决策偏离当前目标；定向消融强于随机干预，但证据限于一个模型和合成环境。
2026-10-11
EvolvAttack: Backdooring self Evolving VLM Agents
• EvolvAttack 研究只有在代理记忆演化后才激活的潜伏后门。
• 把视觉触发器与特定演化记忆状态耦合，使干净初始记忆下的静态扫描难以暴露攻击。
• 三种 VLM、四类代理流程和三种记忆演化策略下，攻击成功率从初始 0.5% 在百次交互内升至超过 95%；属受控攻击结果。
2026-10-11
Recall What Is Missing: Composing Evidence from Long-Term Agent Memory
• MemPursuit 把长期记忆读取定义为互补证据组合。
• 以稀疏凸查询重建的残差表示尚缺的信息，复用已有嵌入逐步形成嵌套上下文，避免逐对调用语言模型评分。
• LoCoMo 固定预算下 Top-10/20 准确率提升 7.2/5.5 个百分点，重排中位延迟比批量 BGE-v2-m3 快 32.9 倍；不等同全流程加速。
2026-10-11
History Replays Itself: Unleashing Long-Context Capability in Linear Attention
• NoteBank 将循环计算状态与稀疏情节存储分离。
• 在未知未来查询时归档文本，用背骨原生特征写入和寻址，再通过原生前向回放读取证据，无需独立检索模型训练。
• 百万词元下六项 RULER 召回平均准确率从 1.7% 升至 70.3%，并扩展到多个模型和长期记忆基准；资源比值依匹配条件。
2026-10-11
Engram Injection: A Study of Temporal Validity in Parametric Language-Model Memory
• Engram Injection 检验参数记忆能否同时存储事实并判断其时间有效性。
• 以 LoRA 存储事实、FiLM 提供时钟，与加性时钟、全历史提示和四条记录检索比较，并审计训练时间泄漏。
• 62 对更新前后问题中两类适配器均无完整正确对，全历史为 59/62、检索为 62/62；事实存储成功不等于时态选择成功。
2026-10-10
Reels-RSI: Program-Level Self-Improvement for Code-Rendered Explainer Videos
• 研究视频程序代理如何将修订经验转为持久教训和可执行规则。
• 对代码快照与修复差异建立对应，为规则保存通过及失败样例，并以人工决定和留出评估控制记忆更新。
• 111 个视频的研究发现教训能缩短修订循环，但未持续累积质量收益；还揭示评审顺序偏差，不能把偏好票数直接当改进。
2026-10-10
SEPM: Self-Evolving Procedural Memory Grounded in Task Graphs for Multi-Agent Collaboration
• 提出以任务依赖图统一协作与流程记忆演化的 SEPM。
• 共享黑板记录执行证据，验证后的动作和依赖形成可复用程序，并按效用创建、细化、特化或退役。
• 在两个协作框架的六个评测设置中均领先；AutoGen 下三项任务分数提升 29.85、25.86 和 13.00 个百分点。
2026-10-10
A Self-Defining Operator for Distributed Applications
• 提出能从故障处置中形成持久流程记忆的自定义运维代理。
• 将成功调查蒸馏为诊断手册和遥测检测器，检测器触发后检索适用手册并调用 LLM。
• 在 11 个开源微服务应用中，重复故障解决时间降低 52%；结论限于所测故障与应用。
2026-10-10
GateSight: Recurrent Memory Anticipates Attention Memory for Query-Agnostic KV Eviction in Hybrid LLMs
Recommended Tools
Try a different keyword or remove a filter.
Install
npx skillfish add iaar-shanghai/awesome-ai-memory