【中文 | Английский 】

👋 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

• 2026-10-23 - 🎉 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

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。

---

<!-- ## 🗂️ AI-Memory Taxonomy

To systematically organize the diverse research and practical resources in the field of AI large model memory, this repository categorizes memory systems across multiple orthogonal dimensions, reflecting variations in storage methods, temporal scales, content forms, operational processes, and system architectures.

1. Memory by Storage Location

• Parametric Memory
  • Knowledge implicitly encoded within model weights
  • Static and not directly editable during inference
• External / Explicit Memory
  • Memory stored outside model parameters
  • Readable, writable, and dynamically updatable

2. Memory by Temporal Scope

• Short-Term Memory
  • Entirely dependent on context window
  • Session-level, temporary information
• Long-Term Memory
  • Persistent memory across sessions and time scales
  • Supports long-term consistency and personalization

3. Memory by Content Type

• Episodic Memory
  • Event-based historical interaction memory
  • Preserves temporal sequence and contextual relationships
• Semantic Memory
  • Facts, rules, and preferences abstracted from multiple experiences
  • Typically derived from compression or induction of episodic memory
• Procedural Memory