长时智能体记忆：互补式记忆构建与整合
🧭 Agent 长程记忆 · 混合存储与整合 ★ 深度解读
Microsoft
提出情节记忆+结构化关系记忆的混合存储，并通过离线聚类整合压缩16%以上记忆且性能几乎不降
📌 工作参考价值（4 点）
- 会话级记忆构建：电商客服/导购 Agent 可在 session 结束后批量抽取两类记忆，减少逐轮 LLM 调用，同时保留跨轮上下文；关系记忆采用 (实体, 关系, 客体, 时间戳, 来源上下文) 结构，便于后续查询、更新和溯源。
- 双存储分离检索：查询时同时检索情节记忆和关系元组，关系条目更短、预算内可多取，适合「用户历史偏好/订单/承诺」等电商 QA 场景；固定 top-k 且 k=10 已饱和，能省 token 和延迟。
- 离线 UMAP+HDBSCAN 聚类整合：定期对 embedding 聚类做 merge/delete，可压缩 16–34% 存储，适合长生命周期用户档案；min_cluster_size 取 5–10 能在压缩率和准确率间取得平衡。
- 关系记忆的 provenance/timestamp 设计可直接迁移到推荐系统的用户画像：不仅存「用户喜欢什么」，还存「何时为何说」，避免旧偏好覆盖新偏好。
MemSteer：将用户历史转化为智能体记忆优化监督
🧭 智能体记忆设计自动优化 ★ 深度解读
Peking University · Microsoft Research Asia
从无标注用户历史自动生成证据支撑的 QA 监督，用于迭代优化记忆存储、检索与上下文构造
📌 工作参考价值（4 点）
- 用自动生成的 QA-evidence 监督替代人工标注：在个性化记忆、用户画像、会话上下文的评估与优化中，可以从用户历史自动构建问题-答案-证据三元组，作为弱监督信号，避免昂贵的标注。
- 证据引导的失败归因：把错误响应定位到存储、检索或生成阶段，能精准指导设计修改。类似推荐系统中定位召回、排序或重排问题，提升迭代优化效率。
- 跨用户迁移 + 目标用户继续优化：先用一组用户学习共享记忆设计，再用目标用户历史生成的 QA 继续微调，适合冷启动场景。
- 盲答案恢复与源审计保证数据质量：合成数据必须通过可验证的检查才能用于训练或评估，这可以作为数据清洗和评估集构建的通用流程。
LLM智能体长期记忆的推荐系统设计
🧭 Agent长期记忆 · slate推荐级联 ★ 深度解读
Fudan University
把Agent记忆选择形式化为预算约束下的slate推荐，零LLM调用匹配64次重排且服务成本降3.2倍
📌 工作参考价值（4 点）
- 把记忆/上下文选择形式化为预算slate推荐：召回+学习排序+固定预算填充，可迁移到电商Agent客服、导购的多轮历史筛选，或搜索广告的query上下文优选；比动态截断更稳。
- 零LLM调用链路可落地：BM25+dense embedding双通道召回，RRF融合top128，LightGBM LambdaRank用10个轻量特征（相似度、排名、位置、长度、共享key等）排序，再按token预算贪心填充，写时无LLM成本，适合高QPS生产环境。
- 用stage factorization定位瓶颈：Acc = ai + (ac-ai)*r_pool*r_rank，先看候选池覆盖率，再看排序是否把证据放进budget；这能避免盲目换模型，直接发现是召回还是排序导致证据丢失。
- 固定预算填充优于per-query cutoff：当reward沿排序不下降时，任何cutoff都包含于fill，所以Adaptive-k类动态截断只会降低覆盖率；若存在低质量文档的负外部性，才需要set-level模型，否则别用动态截断。
记忆税：剖析 Agent 记忆相对直接检索的净价值
🧭 Agent 记忆净价值与记忆税拆解 ★ 深度解读
University of Illinois Urbana Champaign · Tsinghua University · Renmin University of China · Verdent.ai · University of Waterloo
大规模评测发现多数 Agent 记忆系统不如 naive RAG，提出记忆收益与记忆税拆解净价值
📌 工作参考价值（4 点）
- 在电商/推荐 Agent 的用户长期记忆、会话记忆或经验记忆项目中，先把 naive RAG 作为强制 baseline；很多专用记忆在 retrieval-friendly 任务上会被简单 BM25+embedding+rerank 打败，若无法显著超过 RAG，就不值得上复杂记忆架构。
- 保留一条从记忆回到原始日志/会话的“可恢复路径”：构建 memory 时同时从原始历史检索并联合 rerank，能补回构建阶段丢失或模糊的证据；实验中 SimpleMem 加 src-aug 后 LongMemEval-s 准确率从 73.6 提升到 82.8，memory tax 从 12.0 降到 5.2。
- 把“未来查询需求”当作隐式推荐问题：不要 AOT 全量预构建，利用用户历史兴趣/访问模式/偏好作为先验，选择性地对可能被未来 query 需要的信息做抽象与索引；这类似推荐系统中预估 item/信息未来相关性。
- 记忆系统要报告检索成本与原始 RAG 的 headroom；在电商/Agent 检索友好场景下，复杂记忆的增量收益有限，轻量或 JiT memory 可能是更高性价比的选择。
语言智能体记忆的价值
🧭 Agent 记忆价值决策论 ★ 深度解读
MemTensor · Shanghai Jiaotong University · The Hong Kong University of Science and Technology (Guangzhou)
提出决策论框架，量化记忆在保留、使用、恢复与修订中的价值，并用反例和诊断揭示信息时序、检索接口、读策略与需求不确定性的作用
📌 工作参考价值（5 点）
- 把存储内容和 reader 使用分开评估：线上 Agent 记忆系统故障时，不要只看检索命中。可以固定 reader，对比不同持久化状态（例如完整日志 vs 摘要 vs 索引）的 realized value；再用固定证据、换 reader 评估使用缺陷。这能避免把“没存”和“没用”混为一谈。
- 存 locator 而非完整内容：论文的 pointer 例子显示，一个与答案互信息为 0 的地址指针，能把付费恢复成本从期望 2.5 次读取降到 1 次。在电商/推荐 Agent 中，记忆可以存用户会话的检索键、商品 ID 索引或版本号，而不是完整上下文；需要时通过 BM25 或 database read 获取，兼顾容量与延迟。
- 写记忆时考虑未来 query 是否已知：query-agnostic 写入需要更多容量保留区分度。构建用户级 memory 或 session 摘要时，如果未来任务是开放式的，不要过早做不可逆压缩；保留可恢复路径（比如原始日志指针），按需求概率和恢复成本做分配。
- 把测量过程 J 和系统 Σ 分离：论文中同一输出在 strict operation rule 下 17/28 接受，consequence-based check 下 22/28 接受，差异 17.9 个百分点。做线上 A/B 或 offline eval 时，应固定评分规则、损失定义和 label 标准，否则会把 scorer 变化误判为记忆系统改进。
- 修订时记录依赖关系，按依赖闭包更新：不要按项目/文档边界更新记忆。记录 source、object、version、reason，商品属性或用户偏好变化时，只更新受影响的结论、计划和缓存，减少误改和遗漏。
HABIT-Bench：评估智能体从长期弱证据中归纳用户习惯
🧭 Agent 记忆评估 · 隐式习惯归纳 ★ 深度解读
LUMIA Lab, School of Artificial Intelligence, Shanghai Jiao Tong University · Shanghai Artificial Intelligence Laboratory · Fudan University
四域基准显示现有 Agent 记忆方法准确率仅约 33%，复杂记忆流程不优于简单检索或历史压缩
📌 工作参考价值（4 点）
- 不要默认复杂记忆 pipeline 更优：在需要跨会话状态重构的长用户轨迹上，BM25/Dense RAG 等简单检索基线与 A-MEM、Mem0、MemOS、Letta 等记忆方法准确率接近，GLM 下 Full Memory 压缩历史甚至达到 41.98%，超过全部记忆方法。业务落地前应先验证 RAG/压缩历史强基线，避免过度设计。
- 区分“证据访问”和“决策正确性”：Oracle Evidence 提供标注证据后准确率仍只有 39.26%–58.25%，而 Oracle Habit State 可达 98%+。意味着即使召回相关行为，模型仍常错误应用习惯。电商/广告中需显式建模行为有效期、例外、边界和用户确认，不能把任意历史点击/对话当长期偏好。
- 记忆构建成本与查询成本高度不对称：A-MEM 构建 54.59 小时、107.80M tokens，查询仅 13.24 分钟、3.39M tokens。工程上要把历史预处理与在线推理分离，按记忆复用频率和更新需求评估 ROI，必要时用增量更新或压缩历史替代全量记忆抽取。
- 可迁移的负样本设计思想：将临时期外、已过期选择、未接受的建议、边界情况作为干扰项，能有效测出模型是否“过度个性化”。推荐系统评估可借鉴四选一 probe，测试模型在 scope、exception、temporal drift 下是否仍正确推荐。
更多记忆更差？抗持久化记忆设计抑制 LLM Agent 错误复现
🧭 LLM Agent 记忆与自改进机制 ★ 深度解读
Indiana University · Tencent HY
提出 Anti-Persistence 记忆：只存轨迹和结果，抽象按需合成并丢弃，抑制错误复现，提升成功率并降低成本
📌 工作参考价值（4 点）
- 在电商/推荐 Agent 的记忆设计中，优先持久化原始交互轨迹和结果日志，而非规则、总结或技能等抽象内容；抽象只在当前任务中按需合成，使用后立即丢弃，防止错误抽象跨任务固化。
- 可借鉴其自适应模式选择：定义多种经验使用模式（直接复用轨迹、模仿成功行为、提炼任务策略、生成纠错规则），用轻量 contextual bandit 结合任务相似度、时间衰减和 UCB 探索项来选，比固定策略更鲁棒。
- 奖励信号中加入成本惩罚 r = clip(y - λκ, -1, 1)，λ 设小值（如 0.05）能鼓励选择性合成，在保持成功率的同时控制 LLM 调用量，适合线上成本敏感场景。
- 注意“错误复现”路径：即使删除错误抽象，其影响仍可能通过被影响的轨迹进入后续合成；评估记忆系统时应追踪历史暴露来源，而非只做简单剪枝或屏蔽。
超越下游问答：重新思考如何评估 Agent 记忆
🧭 Agent 记忆评估 · 内在指标 ★ 深度解读
Amazon Web Services · Technical University of Cluj-Napoca
提出 FEB-30 事实演化基准与内在评估方法，证明仅靠 QA 评估会掩盖记忆存储层故障
📌 工作参考价值（4 点）
- 在构建 Agent 长期记忆或用户/商品画像记忆时，不要只用端到端任务指标（如下游推荐/回答准确率）评估记忆模块；应定期对比存储的 profile、事件状态与 ground truth，计算 claim coverage、更新检测召回、误更新率，定位是抽取、合成还是检索瓶颈。
- 可借鉴 paradigm inversion：用多模型轮换和 judge 校验生成带 ground truth 的时序事实轨迹（如用户兴趣演变、商品属性变更、库存/价格状态变化），低成本构建 memory 回归测试集。
- 注意记忆写路径的操作分类质量：论文代表性系统 revise 操作仅 20% 分类正确、false update 22%；建议对 create/update/reinforce/supersede 决策单独评估，并引入 temporal guard，但需避免把应 update 的旧信息错误降级为 reinforce。
- 检索瓶颈与 LLM 补偿问题在电商推荐中同样存在：画像正确但 embedding 召回不匹配会导致失败，强 LLM 可能用部分结果生成看似正确答案；建议同时监控检索命中率和生成结果，区分故障层。
ExperienceIndex：面向知识密集型任务的工件经验记忆层
🧭 Agent 记忆与经验复用
MIT · McKinsey & Company · Oracle AI & UPenn · AI2
ExperienceIndex为AI Agent提供工件级经验记忆，通过单工件和工件对经验检索提升答案质量并降低成本
📌 工作参考价值（4 点）
- 实体级经验库：在电商/推荐场景中，将商品、类目、品牌、活动等视为 artifact，存储其历史贡献摘要（如该商品在哪些推荐任务中表现好、适合什么场景），新任务先检索经验快速锁定候选集，避免全量 LLM 召回，显著降低在线成本。
- 实体关系经验：记录 artifact 对之间的结构化关系（如商品搭配、品牌冲突、类目层级），在生成推荐理由、组合推荐或广告文案时，引导 agent 利用这些关系扩展思路，提升覆盖度和合理性。
- 轻量中间件集成：ExperienceIndex 作为 middleware 而非整体替代现有 agent 流程，可无缝嵌入已有的 RAG 或搜索推荐管线，只增加一个经验检索步骤，实现成本下降 50% 左右的效果，适合快速落地。
- 跨任务复用与教师蒸馏：text-to-SQL 任务积累的经验可迁移到 factoid QA，启示我们可以把用户行为分析、选品等任务积累的实体经验复用到推荐或广告生成；同时强模型经验可蒸馏给弱模型，在降本的同时维持效果。
MemPilot：按需多模态记忆编排的 LLM Agent 框架
🧭 Agent 多模态记忆按需编排与模型路由 ★ 深度解读
Nanyang Technological University · Tsinghua University · University of Illinois Urbana-Champaign
用 RL 多步策略按需编排记忆检索与异质 LLM/VLM 策展，实现质量-成本-延迟可控折衷
📌 工作参考价值（4 点）
- 借鉴双视图记忆：保留 query-agnostic 压缩记忆库用于低成本检索，同时保留原始多模态历史用于按需精调，避免离线压缩丢细节；电商 Agent 里可以兼容现有长会话记忆系统，不推翻重建。
- 将「是否调用视觉/大模型」设为策略动作，把模型池中的 LLM/VLM 按成本和延迟画像暴露给 orchestrator，让 RL 学会按 query 难度和预算动态路由；推荐/搜索 Agent 里可把通用问答降级到小模型，把商品图片理解、多轮用户偏好抽取路由到 VLM。
- 用 objective-wise advantage decoupling 做多目标 RL：质量、成本、延迟分别组内归一化再按偏好加权，比合并 reward 更稳定；业务中若要同时优化转化率、token 成本和响应耗时，可复用该 trick。
- 延迟不用墙钟时间，改用固定系数仿射估计（fixed overhead + per-token input/output + per-image），避免 API 波动影响训练；线上部署时也可用此 proxy 做策略训练或仿真。
即时 Agent 记忆：运行时按查询构建上下文的 JAM 框架
🧭 Agent 记忆 · 运行时上下文构建 ★ 深度解读
Beijing Academy of Artificial Intelligence · Peking University · Hong Kong Polytechnic University
JAM 将 Agent 记忆从请求无关预压缩转为运行时按查询构建上下文，结合分层工作区与可训练研究员策略
📌 工作参考价值（4 点）
- 对推荐 Agent 的用户长期行为/会话历史，不要只存预生成摘要；学 JAM 保留原始 session，并用轻量 memo/README 做导航，在线时用小模型按 query 迭代 open/search/browse，保留跨 session 细粒度依赖。
- 工程上采用 hybrid BM25 + dense retrieval 提供候选；离线建库一次性成本可接受，在线 13.81s/query 质量反超 58.08s 的 MemAgent；测试期可增加 action budget 换取 F1，budget 是上限而非固定成本，多数 query 早停。
- 训练研究员时用 verified-trajectory SFT 过滤“浅搜即答”的捷径行为，再用 GRPO 优化，奖励用 source recall（召回 gold supporting sessions）；训练时注入 hint 稳定多步探索，推理时移除，业务可直接复用该奖励设计。
- Memory-Gym 的四阶段合成 pipeline（anchor discovery → task-dependent expansion → instantiation → validation）可改造用于生成电商场景训练样本：单跳定位、多跳证据连接、多 session 聚合，覆盖用户行为轨迹与商品知识。
记忆系统 Mnemon：原始记录、快速判断、慢思考
🧭 Agent 记忆系统 · System 1/2 分工 ★ 深度解读
用 System 1 决策模型在读取时批量判断原始记录，后台只建索引，以 <4k tokens 上下文在 LoCoMo 达 91.7%
📌 工作参考价值（4 点）
- 在电商推荐 Agent 中，保留用户原始行为/对话记录，不在写入时抽取事实或建图谱；后台定期构建 topic timelines（用户关注点变化）、value histories（偏好值变化，如价格阈值、品类偏好）、standing instructions（用户明确要求，如“不要推已购买”），并链接回原始记录。读取时用小型决策模型批量判断哪些记录与当前请求相关、是否过期、满足哪个需求，只把少量相关记录喂给 LLM，大幅降低回答上下文和成本。
- 将记忆读取拆成 System 1/System 2：System 1 用廉价决策模型对候选记录做独立 yes/no 判断（是否相关、是否过期、满足哪个信息需求），System 2 仅写搜索查询、命名需求、生成回答。可以借鉴到推荐 Agent 的检索/过滤架构：用轻量模型粗筛候选池，LLM 只做高价值规划和生成，避免 LLM 逐条判断候选的延迟和成本。
- 引入固定预算和显式规则：view 大小、pool 大小、循环轮数、判断阈值等。规则只依赖判断顺序和二分结果，不依赖校准，因此可以替换决策模型而无需重新调参。工程上可让系统在长历史上保持近似恒定成本（从 100K 到 10M tokens 成本仅增长 1.11 倍）。
- 评估时使用有效成本指数 ECI = (1-accuracy) + context/full_context_cost，统一衡量错误和上下文代价，适合线上 Agent 对比模型/记忆策略，避免只优化准确率而忽略成本。
何时用选择取代提取？一项基于类型决策模型的智能体记忆预注册测试
🧭 Agent 记忆选择与重排序
Independent Researcher
预注册实验表明：在紧凑预算下，用类型决策模型单次选择原始对话轮次，效果非劣于 LLM 提取记忆且成本极低；重排序增益随预算增大而减弱
📌 工作参考价值（4 点）
- 对话式推荐 / 客服 Agent 的记忆模块可优先采用「原始对话轮次选择 + 轻量判别模型（typed decision model）」，不必先做 LLM 事实提取，写入成本可降低几个数量级，在预算紧张时效果非劣，适合高吞吐场景。
- 重排序的投入应视最终保留的上下文预算而定：如果 context window 只能容纳少量候选（如 3/30），重排序收益显著（+17.4 / +9.1）；如果预算充裕，收益递减（+1.5 / +1.1），可省去该环节降本增效。
- 在匹配上下文长度下，轻量 typed decision model 可作为 LLM reranker 的低延迟替代（约 1/3 延迟），用于召回后的候选筛选，尤其适合对时延敏感的在线推荐服务。
- 实验采用预注册 + 非劣性检验，这种评估范式适合迁移到业务算法替换场景：证明新策略「不差」而非「更优」，可加速低成本方案的灰度上线。
记忆是一种派生：长期智能体中的分布式证据悖论
🧭 Agent 长期记忆写入审计 ★ 深度解读
New York University
提出 DERIVAUDIT 审计框架，揭示记忆写入中证据分散导致有效记忆被误拒、无效组合更难检测的分布式证据悖论
📌 工作参考价值（4 点）
- 在电商/推荐 Agent 的用户长期记忆系统中，不要只保存单轮抽取事实，应将“写入门控”做成派生验证：对每条候选 memory 用写入前历史做 BM25 检索补充证据（如 top-12、总 budget 16），避免因 writer 附带 citations 不全而误删有效信息；该方法在论文中使 provenance-repaired 保留率从 58–86% 提升到 93–98%。
- 对记忆进行组合语义校验，显式拆解语义义务：区分事实、关系、时态/状态变化，例如用户历史中“计划购买某品类”和“有高消费偏好”不能组合成“已购买该品类”或“因高消费而购买”；可使用 SUPPORTED / CONTRADICTED / INSUFFICIENT / AMBIGUOUS 四路标签替代简单 yes/no。
- 注意验证粒度悖论：让 verifier 检查更多细粒度正确事实（增加检查项）可能显著降低有效记忆准入率（Gemma 从 93.3% 掉到 2.6%）。在线上 admission gate 中，不要盲目增加检查项或抬高 threshold，需按模型分别校准，并监控有效记忆留存率。
- 下游效果量化：失真记忆和缺失记忆都会大幅降低后续回答/推荐质量（失败率增加 84–100pp）。可借鉴其干预实验，对用户画像或 Agent memory 注入 distortion / 删除 valid 条目，测量下游任务失败率变化，以确定记忆质量的实际业务影响。
Org-Agent：组织级多用户智能体的约束中心推理框架
🧭 组织级多用户 Agent 约束感知调度 ★ 深度解读
The Department of Computing, The Hong Kong Polytechnic University, Hong Kong SAR
提出约束中心的组织级智能体框架，用任务依赖图加约束感知工具同时提升跨用户决策与记忆利用
📌 工作参考价值（4 点）
- 多角色协作工作流：把运营、风控、商品等多方请求拆成原子子任务并构造 Task Dependency Graph，拓扑排序后先解决依赖（如先取库存/风控结论再出促销方案），可避免 LLM 一次性处理全部上下文时的遗漏与冲突。
- 显式建模组织约束：将用户身份、权限、信息归因、时效、冲突解决规则做成节点属性或元数据过滤条件，执行时按 asker 身份过滤记录（如 author=UserID + phase），能显著降低越权泄露和错误归因，适合客服/审批类 Agent。
- 证据获取工具三件套：相似度评分（lexical+semantic，α=0.5 平衡）+ 条件过滤 + 关系遍历（reply/decision 边），比纯 RAG 或全量建图更准且成本更低；多轮对话、售后记录、团队消息流检索可直接复用。
- 执行记忆 Read/Write：把前置节点结果写进 structured records/running summary，下一节点组装上下文时读取；在选品→定价→投放等长链路推荐 Agent 中维护执行记忆，可减少重复检索和上下文丢失。
PIA：将健康对话转为记录并将记录转为理解的个人智能体
🧭 Agent 结构化长期记忆与读写决策
KAIST · NAVER Corp.
提出个人智能体记忆系统，自主决定读写，将对话转为类型化临床记录并合成轨迹级理解
📌 工作参考价值（4 点）
- 结构化事实抽取：用户特征/行为事件先落 schema 化字段（事件日期/数值/类别/来源），不要全用 embedding top-k；便于后续聚合、筛选和趋势计算。
- 读写解耦与自主决策：让 agent 根据请求类型判断是否需要写记录、读哪些结构，减少无效检索与上下文污染；可在推荐对话/导购 Agent 中分离“用户画像写入”和“上下文读取”路径。
- 时间与别名归一化：相对时间“昨天/上周”必须解析为绝对时间戳；商品/活动名、用户标签做 alias dictionary 和规则映射，避免 LLM 随意解读。
- 因果去噪：对生成的 causal links 用静态规则先过滤结构噪声，再进入下游推理；业务中可用活动规则/类目约束过滤无意义关联。
即时记忆：为 LLM Agent 学习任务自适应记忆策展
🧭 Agent 记忆 · 读时策展 / GRPO ★ 深度解读
Salesforce AI Research
把记忆策展从写时推迟到读时，保留原始轨迹并按当前任务合成紧凑 payload，用 GRPO 以即时成功奖励训练策展器，显著提升 Agent 成功率与效率
📌 工作参考价值（4 点）
- 把用户行为序列 / 任务执行日志以原始轨迹存入记忆库，不在写入时总结；推理时用当前 query 或 task 条件化地检索并动态生成 brief，可适配不同下游任务，避免信息过早丢失。
- 训练一个独立于执行器的轻量策展器（curator），用 GRPO 以即时任务奖励（成功与否）更新；奖励无延迟，无需人工分组相关任务，训练稳定且可跨 executor 迁移。
- 工程上：检索用 BM25 仅在任务描述上做，轻量解耦；存储时用 LLM-as-judge 只滤出成功轨迹，比保留全部并标注是否正确更有效；生成的紧凑 payload 能降低 executor 输入 token 50% 左右和步数 28% 以上。
- 冷启动直接空记忆库上线即可，warm-start 收益不大；若需进一步提升，可做一次 staged bank refresh（用训练好的 curator 重建训练库）但收益有限。
DolphinBench：刻画智能体记忆的帕累托前沿
🧭 Agent 记忆评估基准
Mem0
首个通过任务完成直接评估智能体记忆，并要求报告成本与延迟的基准
📌 工作参考价值（3 点）
- 任务完成式记忆评估：在电商客服/导购 Agent 中，不要只测“用户偏好是什么”，而让 Agent 执行修改未支付订单、按用户历史沟通风格回复等任务，考察隐式的记忆触发与检索能力。
- 强制成本与延迟上报：上线 Agent 记忆模块时，同时记录 token 成本、检索步数、p50/p95 延迟，避免通过全量回放上下文或无限检索刷准确率。
- 用 with/without history 验证任务依赖：构建评测集时，删除相关历史后任务应无法完成，才能确认评测的是 memory 模块，而非 prompt 推理或通用能力。
Jev-Mem：System-One 控制的 Agentic Memory 实现高效 AI Agent
🧭 Agent 记忆系统效率与效果优化 ★ 深度解读
Department of Computer Science, The University of Texas at Dallas
提出将高频记忆控制与生成式推理分离的 System-One/Two 记忆架构，在 LoCoMo 上以 6.6 倍构建提速和 36.7% 延迟下降取得最佳回答质量
📌 工作参考价值（4 点）
- 在电商/推荐 Agent 的用户记忆与客服长期记忆中，把“该不该存/归什么类/和哪条历史相关/该不该停”等高频小决策从 LLM 生成中拆出，换成轻量分类器、规则或小模型；LLM 只做最终答案/推荐理由合成，可大幅降低 Token 成本与延迟。
- 多关系图 memory（semantic/temporal/causal/entity）对用户行为、商品浏览、事件关系有直接迁移价值：保留原始行为不做过早过滤，用确定性索引先召回候选再让轻量模型判断关系，工程上可避免长对话场景 O(N) 全量 LLM 比较。
- 检索改成闭环：根据 query 动态给不同关系视图分配预算，并在证据充分或边际收益低时提前停止。适合搜索/推荐 Agent 在多轮交互中控制上下文成本，避免无关信息稀释推荐理由。
- 可参考其“写读同一控制平面”思想：在用户画像/会话状态记忆中，构建与检索使用同一套关系判断模块，避免两套逻辑不一致；对成本敏感的场景尤其值得落地。
自进化搜索索引
🧭 自进化索引优化 · LLM Agent 检索 ★ 深度解读
Yonsei University · Samsung Research · University of California, Irvine · Korea University
提出 SELF-INDEX 框架，让索引自主诊断检索缺陷、选择性修订索引键并主动探索查询需求，跨语料与检索器一致提升检索性能
📌 工作参考价值（4 点）
- 在电商/内容搜索中，可借鉴 SELF-INDEX 的「索引即键集合」思路：为每个商品/内容维护一组可检索键（标题、类目、属性、卖点短句），由 LLM 根据检索反馈自动改写/增删这些键，避免人工设计 query 扩展或语义标签。
- 用 co-retrieval profile 作为诊断信号，发现哪些商品键缺乏区分度或未覆盖用户 query 意图；Self-Validation 的 faithfulness/specificity/separation 三准则可直接作为生成式索引质量控制，过滤幻觉或宽泛键。
- Query Simulator 通过采样文档生成 plausible query 并用 Jaccard dissimilarity 去重，能低成本扩充优化 query 覆盖长尾需求，适合广告关键词推荐、搜索词扩展等场景。
- 搜索 Agent 中，优化索引键可同时提升答案准确率并减少 search calls；在电商导购 Agent 可减少与搜索中台交互次数和线上 API 成本。
Agent 记忆在模型升级后是否可用：记忆可移植性对照研究
🧭 Agent 记忆可移植性评测
LinkedIn
对照评测四种 Agent 记忆格式在模型升级后的可移植性，证明固定 schema 知识图谱最稳，NOTES 与 RAG 需重建或保留原始历史
📌 工作参考价值（4 点）
- 生产级 Agent 记忆若可能经历模型升级，优先用固定 schema 的 KG 而非自由文本 NOTES；KG-fixed 在 writer swap 下 accuracy 几乎不变，能避免模型耦合导致的隐性遗忘。
- RAG 记忆系统升级 embedding 模型时，不要在同一个索引里混用新旧 embedding：50/50 混合只拿到 4.96pp 增益，会丢掉全量 re-embedding 的 11.90pp 大部分收益。应隔离版本化 embedding 空间，新模型向量写入独立索引。
- 只保留压缩后的 NOTES 不够：模型升级后 store-only repair 在 48 个用例中全都达不到 90% 恢复目标；必须同时保留原始 source history，才能在检索或解读出错时重新构建记忆。
- 记忆迁移评估必须做方向特异性测试：NOTES 迁移出现 +9.91 与 -13.28pp 的非对称变化。训练/评测 pipeline 里不要只测 A→B，要把 B→A 也纳入回归项。
原子化演化记忆驱动的智能体推荐系统
🧭 Agentic 推荐中的记忆演化与证据检索 ★ 深度解读
Xi'an Jiaotong-Liverpool University · Xiaohongshu · Peking University · East China Normal University · Beijing Jiaotong University
用结构化原子记忆与语义链接替代粗粒度摘要，实现可解释证据路径检索的 agentic 推荐
📌 工作参考价值（4 点）
- 将用户记忆拆成结构化原子单元（content/keywords/tags/context/embedding/links），而不是单一长摘要。电商场景可对用户兴趣建立粒度更细的原子标签（如品类+价格带+风格+最近意图），方便选择性更新和检索，避免新行为覆盖旧偏好。
- 用 LLM 对近邻记忆做语义关系建模（如偏好转移、互补、跨域迁移），构建可解释的协作链接，而不仅是 embedding 相似度。推荐召回或重排时，可沿链路检索多跳证据路径，提升排序可解释性和准确性。
- 记忆演化采用字段级更新，保留原始时间戳，用相似度阈值控制演化保守度（论文选 τ_evo=0.7）。此做法可异步离线执行，线上只做检索与重排，控制时延；对偏好漂移较大的用户增益更明显，适合电商中兴趣变化快的场景。
- 成本上，原子构建、链接、演化可缓存和批量处理，线上额外开销有限（每千次交互成本约 $2.95，略高于 MemRec 的 $2.65）。实际部署可用更轻量的模型做记忆代理，平衡成本与效果。
继承式 Agent 记忆预算验证中的计划指针与记录指令形式
🧭 Agent 记忆检索的指令形式消融
Glasp
用 12 项注册实验（14,760 次尝试）量化 memory store 中 criterion 与 id 等 directive 形式如何改变 budgeted agent 拉取哪条记录
📌 工作参考价值（4 点）
- 在预算有限的 Agent 记忆/知识库检索里（例如商品库、用户历史记录），优先把“去哪找”写成可判定的 criterion，而不是裸 ID：六个模型上长度匹配的 criterion 比 bare id 平均高 +35.0 个百分点。
- 不要在 criterion 后追加 ID：在 Claude 三个模型上 ID 后缀会把 criterion 效应完全取消（Opus 5 从 40/40 掉到 0/40）；若必须同时给出，可测试显式 ratification line + 两信用预算来恢复。
- Prompt 的微小改动即可改变 Agent 拉取哪条记录：单字符 plan pointer 效应 +78.0/+81.7 pts，六个字节匹配编辑也各有独立效应；生产上要对 memory/directive 模板做版本控制并针对关键行为回归。
- 结果跨模型/API 不稳定：OpenRouter 九模型未复现直接 provider 面板的 criterion 优越性；80 runs 重跑中 15/30 对比仍在误差内或未解决。建议在自有模型组合与 store 内容上做注册式 A/B，避免把单一 provider 结论直接泛化。
超越上下文窗口：面向数据中心的智能体的持久发现上下文
🧭 Agent 记忆增强检索
Megagon Labs
引入持久发现上下文记忆层，复用任务意图到数据对象的映射，提升后续检索质量
📌 工作参考价值（4 点）
- 在电商搜索/推荐场景，可把历史成功 query→item/attribute 映射作为轻量记忆层，避免每次请求重复做语义解析与召回；尤其适合长尾 query 或数据目录频繁变化的场景。
- 元数据稀疏或缺失时，记忆检索可能优于元数据检索。对商品冷启动、长尾类目、非标品可尝试用历史交互记忆补充召回，而不是只依赖属性倒排。
- 自动生成记忆有效，意味着无需人工维护映射表，可通过 LLM 自动抽取意图-对象对并写入记忆；工程上可低成本落地，与现有 RAG/检索流程叠加。
- 注意可复现的干扰失败模式：记忆冲突或错误映射会降低效果。建议加入置信度阈值、来源标记、过期淘汰或按任务域隔离机制，避免脏记忆污染检索结果。
长运行AI Agent记忆中的压缩悬崖
🧭 Agent 长期记忆压缩与安全规则保留
University of Passau, Passau, Germany · IT:U, Linz, Austria
提出 Knowledge Triage 框架，通过分类与确定性算子避免安全规则在长上下文压缩中快速丢失
📌 工作参考价值（4 点）
- 将 Agent 上下文知识分为需逐字保留的安全/合规规则与可粗粒度压缩的日志/经验，不同类别走不同压缩策略，避免生产 Claude /compact 这类统一 summarization 造成规则坍塌。
- 在电商/推荐 Agent 中，价格上下界、库存状态、平台政策、prompt 约束等规则适合用 TypeCompact 按类型保真度压缩，并附加确定性验证器检查规则是否完整，防止多轮任务后策略漂移。
- TypeRetrieve 的“规则 pinned ahead of relevance”思路可直接用于 RAG/长期记忆：先返回适用规则，再按相关性补充内容，保证召回合规边界。
- AgentArtifactCorpus 可作为测试压缩/检索策略的外部基准，尤其适合评估长流程 Agent 在不同压缩轮次下的安全规则 retention。
双粒度智能体记忆与 Shapley 上下文归因的多模态学习框架
🧭 多模态 Agent 记忆与检索优化 ★ 深度解读
UC Merced · Shanghai Jiao Tong University
冻结多模态大模型配外部双粒度记忆，用 Shapley 归因优化规则检索，提升科学推理基准
📌 工作参考价值（4 点）
- 检索增强场景中，把“相似度检索”升级为“相似度 + 历史效用”的组合排序：用 Shapley/边际贡献离线计算每个知识条目（规则、策略、案例）的效用，避免上下文里塞进相似但无效甚至误导的条目；推荐系统里可类比给召回 item 或策略规则打分。
- 双粒度记忆架构值得直接迁移：实例级 case 与类别级规则/策略分开存储，中间层只从抽象规则生成类别记忆，避免具体样本细节污染类别级归纳；电商/Agent 中可将用户行为轨迹与商品属性规则、query 意图分存。
- 概念类别空间无需预定义 taxonomy，用 LLM 在线增量生成类别并序列化更新，动态贴合语料分布；适合电商 query 意图聚类、商品概念动态归类，避免固定分类过粗或过细。
- 工程上无需梯度更新，只依赖 gold answer 作为监督，可在闭源/端侧模型上快速构建外部记忆；训练时用 temperature 采样 rollouts 构建记忆，测试时只读，适合低成本复用现有大模型能力。
LongWoF-Bench：评估 EvoMap Gene 在可验证长工作流任务上的经验复用效果
🧭 Agent 经验复用 · 长工作流评估 ★ 深度解读
Infinite Evolution Lab, EvoMap · Tsinghua University
提出 LongWoF-Bench，证明由 verifier 确认轨迹蒸馏的 EvoMap Gene 比 Skill 跨七个模型提升 8.7–15.5 个百分点
📌 工作参考价值（4 点）
- 沉淀可验证执行经验，而非通用 Skill：在复杂流程（如广告投放配置、选品策略、活动执行）中，将成功轨迹中证明有效的策略、边界条件和失败修正提炼成结构化资产，跨模型复用。
- 严格区分经验来源：只有经过业务验证器/线上 A/B 确认的执行轨迹才值得沉淀；参考解蒸馏的经验可能反而有害。经验库要记录 provenance。
- 一次推理复用经验，降低重复探索成本：在复用经验时采用单次生成（one-shot）即可，避免多轮试错；论文中 Gene 比 Skill 少 9.9% token，比多轮发现少 45.8% token。
- 优先在规则约束和接口一致性强的场景应用：如合规审核、物流配置、多模块交付等，经验复用收益最大；纯推理能力瓶颈的任务收益有限。
ForeDreamer：面向未来事件预测的自进化双智能体记忆架构
🧭 Agent 记忆与自进化 · 未来事件预测 ★ 深度解读
Zhejiang University · Ant Group · National University of Singapore · Zhejiang University of Technology
双智能体将嘈杂网络证据蒸馏为结构化事实记忆，并用双轨经验自进化提升预测校准
📌 工作参考价值（4 点）
- 在电商搜索/推荐 agent 中，可将召回/检索结果的处理从主决策链路剥离，由专门子 agent 用「指南+工具」流程把原始商品信息、用户行为、query 上下文蒸馏成结构化事实记忆，主 agent 只消费干净证据，降低长上下文噪声干扰。
- 自进化双轨经验：一条是文本经验（搜索计划、排序/预测校准提示），一条是过程性工具经验（可执行数据处理工具/流程）。推荐 agent 可基于线上反馈小流量验证定期更新经验池，采用 ADD/MODIFY/REMOVE 编辑和验证门控，避免线上劣化。
- Compositional Tool Reuse 减少重复工具生成：当需要新处理流程时，先检索并复用已有工具，只生成缺失部分；可应用于推荐 agent 的工具库管理，降低工具膨胀与相似代码重复。
- Diversity-Guided Exploration 防止策略收敛到单一 pipeline：定期根据现有策略类别摘要生成多样候选，避免只微调某一种召回/排序策略；可借鉴到推荐策略探索与自动策略生成中。
记忆投毒下的效用崩塌：内容筛查与溯源排序的边界
🧭 Agent 记忆投毒与溯源检索防御
Quantify Labs Ltd
1.2%记忆投毒使LongMemEval准确率从0.850降至0.300，内容筛查拦截0/360，溯源加权排序难用
📌 工作参考价值（4 点）
- 在电商/广告 Agent 的持久记忆写入侧，不要仅依赖内容筛查判断断言真假；需要接入外部 grounding（如商品价格、库存、活动规则权威源）才能识别伪造但语义通顺的虚假记忆。
- 检索侧不要使用 additive provenance penalty 或简单给可信来源加权；可在召回阶段对不同 provenance 的文档设置最大占用配额（bounded occupancy / quota），避免低可信源靠语义相似度淹没高可信证据，也避免高权重把低可信但真正携带答案的证据全部排除。
- 评估 Agent 记忆安全时，必须同时构造 mixed-provenance 语料：既看投毒攻击是否成功，也看当真实答案恰好来自 untrusted 来源时系统是否仍可用，否则容易过拟合防御、误伤业务指标。
- 内容筛查对低占比投毒（如 1.2%）不敏感，且对 trigger-laden 良性文本有误判；实际推荐系统中 UGC 或第三方商品描述不可全信，应把来源可信度作为检索约束而非后验过滤。
基于小语言模型与边缘计算的虚拟Agent思考与记忆过程探索
🧭 边缘SLM驱动的Agent认知架构评估
University of Central Lancashire, Cyprus
在边缘设备上用小语言模型实现虚拟Agent的Think与Memory组件，验证路由、记忆读取与延迟的可行性
📌 工作参考价值（4 点）
- 边缘部署小模型分担路由与记忆读取任务，可降低电商客服/推荐Agent的云端依赖和响应延迟，适合实时交互场景。
- 将Agent认知拆分为Think、Memory等独立组件，分别用不同尺寸SLM处理，按延迟和准确率权衡选型，可作为线上Agent架构设计参考。
- 记忆驱动对话系统的设计：SLM负责判断是否需要读取记忆、检索相关信息并生成回复，可用于多轮推荐解释或用户偏好追踪。
- 评估维度可直接复用：路由准确率、记忆读取成功率、端到端延迟，用于对比不同SLM在业务Agent中的性能。
RippleMem：从孤立检索到联想式回忆的长期 Agent 记忆系统
🧭 长期 Agent 记忆 · 联想式证据补全 ★ 深度解读
Communication University of China · Zhilian Yinghe Technology Co., Ltd. · State Key Laboratory of Media Convergence and Communication
把已召回记忆作为 cue，沿事件图局部扩展补全缺失证据，长期记忆 QA 精度显著提升
📌 工作参考价值（4 点）
- 在客服/导购 Agent 中，用户偏好、约束常分散在多轮多 session：一次检索容易只召回直接相关记忆，却漏掉安全约束（如海鲜过敏）。可借鉴「召回后把已召回记忆当 cue，用 LLM 判断缺失证据目标，再沿语义/结构化边局部扩展」的读阶段，避免无向图全局游走。
- 写入阶段把对话压缩为 cue-rich episodic units，结构化保存参与者/地点/时间，并建稀疏图：语义边 + 结构化边（Jaccard/时间衰减）。电商场景可把用户、商品、场景实体存为 cue，便于跨 session 关联，且比维护完整 KG 便宜约 30 倍。
- 工程实现上，建图采用增量式候选池（语义近邻 + 结构化倒排），每节点最多 K 条边，避免 O(N²)；证据装配用固定权重排序 + 固定 evidence budget，上下文 token 可控。query-time 控制器额外引入 LLM 延迟，可异步或缓存。
- 复用结论：关联/图检索只有在「evidence-conditioned」补全（有明确缺失支撑目标）时才有效，单纯加图或递归检索容易召回相关但不支持答案的记忆；业务里可用 missing-support target 约束扩展方向。
空间记忆智能体：基于经验的空间智能程序性记忆
🧭 Agent 外部记忆自进化 · 空间推理 ★ 深度解读
Zhejiang University · Shanghai Jiao Tong University · Shanghai Innovation Institute
冻结 VLM 通过外部可验证经验蒸馏可迁移教训，并用访问证据校准迁移可靠性分数，实现无参数更新的空间推理自进化
📌 工作参考价值（4 点）
- 借鉴 TRS 校准思路：把每条 prompt/memory/经验卡片的“可迁移性”用线上反馈（reward/转化）做贝叶斯式更新（先验 + 访问证据），检索时 similarity 与 reliability 联合排序；避免纯 embedding 相似度召回高相似但低效的案例，适用于推荐解释、商品知识检索、Agent 工具经验复用。
- One-Pass Memory Writing：只在首轮经验采集时写入结构化卡片，后续仅更新卡片访问/奖励状态，能显著减少经验库冗余并提高更新覆盖率；对推荐 Agent 的 few-shot 示例库、query 改写策略库维护有直接工程价值。
- 冻结基座模型、只动外部记忆：在线服务无需做 LoRA/RL 更新，风险低、迭代快；适合电商搜索/推荐中基础 LLM 不常更新但策略需要快速试错的场景。
- 反思时输出 pattern / trap / check 三段式可迁移教训，并禁止 restating answer；这个可复用到生成式推荐、搜索 query 推荐中的经验卡片设计，增强可读性和跨任务迁移。
DocMemo：面向多模态长文档理解的概率记忆引导动态证据检索
🧭 多模态文档理解 · 动态证据检索与记忆
Harbin Institute of Technology, Shenzhen · Tsinghua Shenzhen International Graduate School, Tsinghua University
提出三层记忆状态与贝叶斯页信念更新机制，将长文档推理建模为动态证据探索过程
📌 工作参考价值（4 点）
- Agent 记忆机制设计：三层记忆（结构模式记忆、页信念记忆、问题情景记忆）可借鉴用于多轮对话推荐系统中，管理用户状态、商品上下文与推理轨迹，解决长对话场景下兴趣漂移与证据跟踪问题。
- 不确定性驱动的探索：汤普森采样与贝叶斯页信念更新提供了一种平衡探索与利用的范式，可迁移至推荐系统的冷启动或动态兴趣建模，例如在新商品或新用户场景下自适应调整曝光策略。
- 结构感知的自适应粒度检索：根据文档结构（目录、节标题）动态选择检索粒度（整页、段落、视觉区域），对应电商场景中商品详情页的结构化信息（标题、图文、参数表）的分层次检索，提升证据定位效率。
- 空间邻近传播：利用相邻页面的相关性平滑信念，可启发推荐系统中基于会话内邻近商品或协同过滤的置信传播，增强对强相关 item 的召回。
TEPA：通过撤销过时记忆构建鲁棒语言代理
🧭 Agent 记忆生命周期与冲突消解 ★ 深度解读
长沙理工大学数学与统计学院 · 上海交通大学生物医学工程学院
引入冲突键撤销机制，解决长期记忆因陈旧证据污染 prompt 导致性能下降的问题
📌 工作参考价值（4 点）
- 在用户偏好、商品属性等更新场景，采用基于冲突键的记忆撤销，防止旧信息混入 prompt，提升推荐/客服 Agent 的一致性。
- 将记忆划分为 Active/Revoked 等生命周期状态，支持审计且确保当前检索仅使用有效记忆，适合长期用户画像管理。
- 局部撤销仅针对冲突键，避免全局重置对其他任务的影响，适合多场景搜索推荐系统。
- 工程中应设置“无记忆基线”评估记忆模块是否带来损害；撤销操作是防止记忆污染的关键控制点。
代理记忆蒸馏：分层教师记忆赋能小模型代理
🧭 代理记忆蒸馏 · 分层教师记忆传递 ★ 深度解读
KAIST · DeepAuto.ai
通过工作流、子任务、函数三层记忆将大模型代理的工具使用经验蒸馏到小模型，无需训练，显著提升工具调用成功率
📌 工作参考价值（5 点）
- 分层记忆设计可直接复用到推荐/电商Agent：将大模型（如GPT-5）在复杂多步推荐任务（如“根据用户画像、实时行为、库存状况生成推荐”）中的成功轨迹，提取为任务规划(Workflow)、子任务执行示例(Subtask)（如召回→过滤→排序）和工具调用指南(Function)（如调用推荐API的参数格式、常见错误处理），注入到4B/8B小模型中，在降低线上延迟与成本的同时保持高质量决策。
- 按需纠错的函数记忆（Function Memory）：当小模型调用API出错时，仅在该步按函数名检索成功示例并注入上下文，不增加正常执行时的token开销，适合电商推荐中接口众多、参数复杂的工具调用场景，可显著降低错误恢复重试次数。
- 子任务记忆（Subtask Memory）贡献最大：实验表明，提供具体可执行的API调用序列（代码级示例）比纯文本策略描述更有效，在构建Agent的记忆库时，应优先沉淀高成功率的子任务执行片段，而非仅保存宏观策略。
- 4B规模模型受益最明显：资源受限的线上推荐Agent可优先采用4B量级模型配合AMD，用极低的推理成本达到接近大模型的工具使用能力；对大模型（>8B）效果收窄，可权衡是否部署。
- 训练无关的即插即用方式：无需微调，仅通过提示工程和离线记忆库构建，快速将历史大模型经验迁移到新上线小模型，适合快速迭代的推荐系统上线流程。
灌丛鸦情景记忆启发的Agent记忆系统
🧭 Agent记忆系统 · 时间衰减
Birla Institute of Technology and Science, Pilani
将灌丛鸦的What-Where-When记忆与类型条件时间衰减引入LLM Agent记忆，有效处理过期事实
📌 工作参考价值（4 点）
- 对话式推荐或搜索Agent中，用户偏好与促销事实时效性不同，可借鉴类型条件衰减系数，为每条记忆（如短期价格 vs 长期偏好）自动分配不同半衰期，避免过期信息污染上下文。
- 记忆存储采用WWW元组及可腐性π_i和效用期限τ_i，检索时结合查询自适应打分，可对已有向量知识库做动态时效加权，提升检索精准度。
- 更新机制仅需O(1)次LLM调用，工程上轻量，适合电商高并发场景下记忆增量修正。
- 引入的Temporal Generalization Test（TGT）和Generalization Gap指标可用于评估自家记忆系统对时间泛化的能力，辅助上线前量化时效性风险。
活动框架：用于 Agent 记忆与回放的确定性屏幕活动编译
🧭 Agent 记忆压缩与成本归因
Independent Researcher
将屏幕操作编译为缓存友好的结构化记忆，使 Agent 以极低 token 开销准确回答用户日常行为问题并量化例程成本
📌 工作参考价值（4 点）
- 用户行为记忆与复用：在电商运营、广告优化等 Agent 辅助场景中，可通过被动屏幕捕获将运营人员的操作流（选品、调价、搭建计划）编译成结构化记忆块，替代 LLM 摘要，减少重复推理的 token 消耗，提升 Agent 对上下文的理解准确率。
- 零模型回放降低延迟与成本：已编译的例程可在命中时直接确定性回放，无需模型调用，实现零 token 自动化。适用于高频、重复的标准化操作（如日常报表拉取、状态检查），推动 Agent 行为从“再生”到“复用”的范式转变。
- Agent 成本归因与价值量化：引入 Routine Overhead Ratio (R) 与可委派重复率 (h)，可前置衡量将人工操作交给 Agent 的 token 放大倍数与复用上限，指导决策哪些流程适合自动化、预期收益如何，为 Agent 投产提供量化依据。
- 工程实现借鉴：采用无模型、确定性的分段编译器，输出 byte-identical，可缓存、可审计，适合在隐私敏感或需要严格复现的零售、金融场景落地，且内存占用极低（86× 压缩，数十毫秒处理完整日屏采集）。
面向LLM智能体的分层图记忆：路径级定位与协调重写
🧭 Agent记忆演化与证据定位 ★ 深度解读
Nankai University · Zhongguancun Academy · Beihang University
提出分层图记忆框架HiGram，通过MicroGraph路径级定位与协调重写，提升长程对话问答质量并大幅降低Token消耗
📌 工作参考价值（4 点）
- 借鉴分层图记忆架构：将用户记忆分为粗粒度节点（如商品类别、场景）和细粒度记忆单元（具体行为、事实），降低检索时遍历全量历史的开销。
- 路径级证据定位：在电商对话推荐中，根据当前查询和用户反馈，定位支持推荐理由的证据子图（如购买序列、偏好演变路径），减少上下文噪声。
- 协调重写机制：当用户信息更新时（如地址变更、偏好改变），不仅更新单个事实，还要更新依赖该事实的推断记忆（如推荐策略），保持一致性，避免过时信息。
- Token效率优化：通过在推理时只加载定位到的子图和路径，显著降低LLM调用Token数，在实时场景中更可行。
RoMeRL：降阶效用状态平衡 Agent 记忆反馈与记忆-奖励陷阱
🧭 Agent 记忆自进化 · 降阶效用状态 ★ 深度解读
Nanjing University · Xiamen University · Zhejiang University
用四个固定语义坐标替代轨迹级效用，将反馈密度提升6倍，记忆量减少84%并阻断噪声奖励
📌 工作参考价值（4 点）
- 采用固定维度语义坐标管理 Agent 记忆，可按“正负极性×动态/巩固”划分槽位，避免记忆池持续膨胀导致的效用稀释，适合电商客服、对话推荐等需要持续学习的 Agent 场景。
- 检索时用 Q 值加权相似度（(1-ω_Q)*similarity + ω_Q*Q）既能利用任务反馈又可保留语义匹配，可在商品推荐或搜索的召回/排序中借鉴，让效用信号与相关性共同决策。
- 设计“负向巩固坐标（NCC）”保留高 Q 值的失败案例，为后续决策提供纠错信号，类比推荐系统中保留高价值但未转化的交互，用于策略优化。
- 降阶状态天然隔离错误奖励传播（MRT），类似控制曝光噪音，可在广告竞价或推荐策略评估中用有限坐标表示效用，避免无关 item 被误强化。
基于文件系统的LLM智能体记忆：组织、演化与可持续性
🧭 Agent记忆系统设计与评估
University of Illinois Urbana-Champaign · University of California San Diego · University of California Merced · Adobe Research · Texas A&M University
系统探索文件系统记忆，证明组织能显著降低检索成本，但难以维持且无法直接提升答案质量
📌 工作参考价值（4 点）
- 在构建客服/导购Agent记忆时，可直接采用文件系统存储用户历史与知识，利用层次化目录降低大规模记忆的检索token成本（实验中减半）。
- 将记忆管理拆分为专门的管理智能体，定期合并、更新记忆文件，避免记忆膨胀；但需选用强模型（如GPT-4级）作为管理智能体，否则组织会逐渐恶化。
- 工具集设计对记忆结构影响不亚于模型本身，应提供可靠的沙盒文件操作环境（ls, grep, cat等），暴露清晰的读写接口，让Agent自主组织。
- 当前阶段，过度追求完美组织不一定提升下游任务准确率，可优先优化检索效率，待基础能力成熟后再探索组织与答案质量的联动。
Metis：记忆基础模型，让大模型内生记忆能力
🧭 记忆基础模型·原生记忆状态与过程 ★ 深度解读
MemTensor (Shanghai) Technology Co., Ltd. · Renmin University of China · National University of Singapore · Shanghai Jiao Tong University · Tongji University
首个记忆基础模型原型，将记忆内化为原生参数化状态和计算过程，用中间训练获得自主记忆能力
📌 工作参考价值（4 点）
- 可用轻量级固定尺寸记忆矩阵（M_t, S_t）隐式存储多轮对话历史，替代显式文本拼接或外部检索，上线仅需前向传播，无需梯度更新，适合在线推荐 Agent 部署
- 记忆更新（Gated Delta Network 风格）与当前推理完全解耦，可与原始注意力并行计算，推理延迟主要取三者最大而非相加，对实时性要求高的电商对话系统有参考价值
- 中间训练数据构造方法可复用：将公开事实型数据集改造成含记忆操作（记住/更新/遗忘/反射）的多步交互序列，显式标注记忆一致性，用于训练推荐对话 Agent 的上下文理解与状态管理
- “原生记忆过程”思想可扩展到推荐模型：将用户行为序列压缩为模型内部动态参数，用特殊设计的记忆重建与操作损失联合优化，实现端到端的个性化状态保持
先验事实：智能体记忆的纵向评估工具与架构排名逆转
🧭 Agent 记忆评估基准与架构反转
Independent Researcher
提出反转生成流水线的评测基准，揭示记忆架构排名随对话历史长度反转，开源分层记忆库Veracium
📌 工作参考价值（4 点）
- 长期Agent场景（如客服、推荐对话）中，记忆架构需要按信息时效与来源分层，可借鉴「分层图记忆」（provenance-typed graph）设计，区分事实有效期和发送/接收信任度，避免简单 LRU 淘汰。
- 构建记忆评测时，采用“先事实后对话”的生成流水线，机械式出题可杜绝标签泄漏，并且植入时间衰减、注入干扰等特性，更真实模拟业务中持续更新的用户画像。
- 写入质量直接决定下游问答准确率（弱写事实失败率24% vs. 干净写2%），在记录用户交互（如购物偏好、咨询历史）时，务必保证写入端的清晰度与完整性。
- 短历史评测会误导架构选择，需结合长期（如数周）对话累积进行压测；全量历史回读虽然短期有效，但成本高且不持久，工程上可优先采用分层记忆实现高性价比。
MemTools：面向智能体记忆互操作性的统一研究框架
🧭 Agent 记忆系统模块化框架
Institute of Automation, CAS · University of Chinese Academy of Sciences · Beijing Academy of Artificial Intelligence · Zhongguancun Institute of Artificial Intelligence
提出模块化、可互操作的智能体记忆框架，解耦生命周期与评估，支持异构记忆统一接口
📌 工作参考价值（4 点）
- 记忆组件模块化设计：将记忆写入、检索、压缩等生命周期阶段解耦，可灵活组装或替换，在电商推荐Agent中可快速试验不同记忆策略（如用户行为摘要、商品知识图谱记忆）而无需重构整个系统。
- 评估与数据正交分离：在构建购物助手记忆评测时，可复用其评估协议与数据集分离的做法，避免评测逻辑与特定数据捆绑，便于横向对比不同记忆模块在推荐任务上的效果。
- 异构记忆统一接口：支持符号、神经、多模态记忆协同，实际场景中可混合存储用户长期偏好（向量）、实时行为（符号）和商品图片特征（多模态），提升记忆的丰富性和检索灵活性。
- 工程化参考实现：该框架提供了标准化的数据契约和运行时接口，可直接借鉴其架构构建公司内部的Agent记忆实验平台，加速记忆增强推荐系统的开发和迭代。
ReflectWorld-MM: 面向实体的开放视频流多模态记忆系统
🧭 面向实体的视频流长期记忆 · Agent 记忆增强
Rightly Robotics · Hangzhou Institute for Advanced Study, UCAS · Zhejiang University
以实体为中心的分层多模态记忆系统，在六个长视频与终身记忆基准中全面超越现有方案
📌 工作参考价值（4 点）
- 用户长期兴趣建模：借鉴实体为中心的语义记忆，将用户行为序列中的商品、品牌、品类等作为持久实体，动态更新其表示，避免遗忘历史兴趣，适用于电商推荐中的长周期兴趣刻画。
- Agent 对话记忆架构：分层记忆设计（情景记忆、语义记忆、程序记忆）可直接迁移到对话推荐或客服 Agent，使 Agent 能跨会话记住用户提及的实体及其变化，提升连续交互的连贯性。
- 流式数据处理：感知前端与短时记忆的边界设计，适合工程化实现流式用户行为输入下的增量更新，可参考其在特征存储和实体解析上的工程权衡，构建实时推荐特征管道。
- 多模态扩展思路：若将视频流替换为商品图文流或直播流，实体导向记忆有助于捕捉跨模态的同一商品，为多模态召回或排序提供一致的表征。
MemSyco-Bench：评估智能体记忆中过度迎合的基准
🧭 Agent 记忆评估 · 过度迎合基准
Xiamen University · Jilin University
首个系统评估 LLM Agent 长期记忆引发过度迎合的基准，揭示记忆常损害推理准确性
📌 工作参考价值（4 点）
- 记忆安全设计：在电商推荐或对话 Agent 中，历史交互记忆会让模型过度迎合用户偏好，牺牲事实准确性。可借鉴论文的五类任务，构建内部评估集，定期检测记忆是否导致系统偏离客观推荐策略，例如通过对抗样本检验 Agent 是否因记忆中的错误偏好而推荐不相关商品。
- 记忆生效范围控制：明确区分“可个性化的事实”与“客观不变的事实”。可设计记忆更新时打标签，限制记忆在价格、库存等动态信息上的影响力，避免 Agent 机械套用过期记忆。
- 冲突解决机制：当用户实时输入与历史记忆矛盾时，要求 Agent 优先采信最新证据。可引入类似“记忆置信度”或显式冲突检测模块，如设置规则：当检索到的记忆与当前查询的客观参数冲突时，触发重确认流程。
- 记忆更新时的回测：每次修改记忆库后，用历史会话重放测试，监测 Agent 是否出现迎合性漂移，防止记忆累积导致推荐策略越跑越偏。
经典缓存策略失效：面向语义检索缓冲区的学习增强替换
🧭 Agent记忆缓存 · 学习增强替换
LIGHTSPEED, Tencent · The Chinese University of Hong Kong
提出学习增强框架 SOLAR，通过遗憾驱动更新和贝叶斯在线选择，在语义缓存中取得恒定竞争比和 5–75% 的相对提升
📌 工作参考价值（4 点）
- 不要盲信 LRU/LFU：在语义检索缓存场景（如 Agent 记忆、会话推荐上下文）中，由于缺乏时间/频率局部性，简单的 FIFO 往往优于经典策略，可作为安全基线。
- 遗憾驱动的阈值触发：借鉴 SOLAR 的修改时机决策，仅当累积遗憾超过阈值时才淘汰/插入内容，可大幅降低缓存刷新开销（修改率～17%），适合高吞吐在线服务。
- 从隐式反馈中学习选择内容：使用贝叶斯在线学习基于检索命中质量（连续打分）动态选取缓存条目，可迁移到推荐系统中的曝光缓存、实时兴趣表征缓存，提升长尾覆盖与及时性。
- 缓存容量不是越大越好：实验发现的倒 U 型关系表明，过大的缓存可能引入噪声，可尝试将容量视为噪声控制开关，关注“工作集”而非全量存储，避免无效检索干扰。
面向原生Agent内存系统的系统性评估与设计
🧭 Agent 内存系统体系化评估与设计
Shanghai Jiao Tong University · Tsinghua University · MemTensor (Shanghai) Technology Co., Ltd
从数据管理视角分解Agent内存为四模块，量化权衡并揭示局部维护成本效益最优
📌 工作参考价值（4 点）
- 模块化设计：将Agent内存解耦为表示/存储、提取、检索/路由、维护，便于针对业务瓶颈选型，例如在搜索推荐Agent中，可单独优化检索精度与动态更新。
- 局部维护优于全局重组：在用户画像或对话状态频繁更新的场景下，采用增量式维护（如局部索引更新）比全量重建内存成本更低，适合线上实时系统。
- 成本-性能权衡：通过消融实验量化了表示保真度、检索精度、更新正确性等，为资源受限的推荐Agent提供了明确的架构取舍依据。
- 评估体系：超越端到端指标，关注内存子系统自身的鲁棒性与稳定性，可用于指导自研Agent中上下文记忆模块的离线评测。
根记忆：隐式逻辑记忆检索基准与增强框架
🧭 Agent 长程记忆 · 根记忆构建与路由 ★ 深度解读
University of Science and Technology of China
提出IMLogic基准与RootMem框架，构建可复用决策逻辑的根记忆，路由补足语义检索
📌 工作参考价值（4 点）
- 构建用户根记忆单元：从历史会话提取抽象决策规则（如“用户养猫，推荐环境需考虑猫的安全”）及其证据，用于约束推荐，避免纯语义匹配导致的错误建议。
- 采用LLM路由器动态激活相关根记忆：新查询到来时，用LLM判定触发哪些预设决策规则，低成本注入逻辑约束，无需全量检索原始记忆。
- 记忆鲁棒性评测：借鉴IMLogic中“语义相似但逻辑无关”和“语义疏远但逻辑必需”的对抗样本构造法，建立内部评测集，检验搜索/推荐系统中记忆检索的推理能力。
- 即插即用集成：RootMem可接入现有记忆系统（如embedding检索、图记忆），平均提升26%准确率，离线构建根记忆、在线仅路由，开销可控，适合工程落地。
Nous: 面向长期 Agent 记忆的预测世界模型
🧭 Agent长期记忆 · 预测世界模型
Indian Institute of Technology Ropar
基于信息论惊喜度和贝叶斯更新，用概率分布代替事实存储，实现Agent记忆的自然遗忘与身份解析。
📌 工作参考价值（4 点）
- 用概率分布跟踪用户/商品属性变化：在电商推荐Agent中，每个用户偏好或商品属性可维护一个分类分布，新交互通过贝叶斯更新增量调整belief，避免定期全量重建用户画像。
- 惊喜度指标驱动重要记忆保留：仅当观察的信息量$S=-\log_2 P$超过阈值时才记录“delta”，可自动过滤噪声信号，降低记忆存储开销，适配高频交互场景。
- 自然遗忘机制处理数据时效性：分布未获新证据时熵增向均匀分布收敛，自动淘汰过时信息，无需人为设计衰减规则，利于动态环境下的推荐策略调整。
- 轻量级实现，无外部向量库依赖：整套记忆逻辑基于闭式概率更新，不引入向量数据库或图谱引擎，易于集成到已有Agent管线，降低系统复杂度。
智能体记忆：长时状态工作负载的特性与系统启示
🧭 智能体记忆系统设计与部署特征分析 ★ 深度解读
Stanford University · Independent Researcher · MICAS, KU Leuven · Massachusetts Institute of Technology
首次系统表征智能体记忆工作负载，揭示构建成本主导生命周期，并提出面向部署的十项建议。
📌 工作参考价值（5 点）
- 业务选型时不能只看准确率，需将构建成本、查询延迟、存储增长、能耗等系统指标纳入决策。
- 将记忆构建作为后台批处理任务，与在线查询分离调度，避免抢占GPU资源影响延迟；根据范式选择合适的批大小。
- 长生命周期智能体必须引入主动裁剪/遗忘策略，否则存储和token成本会非线性增长；使用合并式记忆系统可抑制膨胀。
- 根据业务场景的查询频率和历史稳定程度选择记忆范式：高查询率、稳定历史选重构建轻查询系统（如Mem0）；持续流入、低查询率选轻构建系统（如BM25）。
- 部署LLM控制流的记忆系统时，必须设置最大工具调用轮次或超时，防止检索/构建尾部延迟不可控。
通过新颖信号联合学习智能体记忆与探索
🧭 智能体记忆与探索的联合学习 ★ 深度解读
Tsinghua University · Sun Yat-sen University · Baidu Inc. · Tongji University · Peking University
利用代码覆盖率等持久新颖信号，联合训练智能体潜在记忆与探索策略，显著提升探索效率并减少 token 消耗
📌 工作参考价值（4 点）
- 无监督的记忆训练信号：在 GUI 或可嵌入环境中，利用代码覆盖率、新状态发现等持久新奇信号作为内在奖励，为记忆模块提供无需人工标注的训练目标。这可以迁移到电商 App 自动化测试、Agent 探索冷启动等场景，用环境固有指标替代昂贵的人工反馈。
- 轻量级历史压缩：使用一个冻结的视觉语言模型将每一步（观测，动作）压缩为一个向量 token，大幅减少长对话的 token 开销。在电商客服 Agent 或推荐对话系统中，可以类似地压缩多轮交互历史，避免上下文窗口膨胀，同时保持关键信息。
- 自然课程式训练：随着会话进行，奖励自然变得稀疏，迫使策略学习更深层的探索行为。在构建 Agent 的训练环境时，可以设计类似“先易后难”的奖励衰减机制，无需手动设计课程。
- 联合训练记忆与策略：将记忆压缩和对齐与策略梯度联合优化，避免解耦带来的次优解。对于需要记忆的推荐 Agent 或多智能体协作场景，可考虑将记忆模块的学习与任务目标直接对齐，而非单独训练或使用静态规则。
重新思考记忆：持续演进的连接性
🧭 连接演化驱动的Agent记忆框架 ★ 深度解读
Zhejiang University · Alibaba Group · MemTensor · Tongji University
提出FluxMem，将记忆建模为可演化的异构图，通过三阶段进化实现动态连接优化，在三个基准上达到SOTA
📌 工作参考价值（4 点）
- 记忆连通性演化范式：将记忆组织为异构图，根据任务反馈动态调整连接（新增缺失链接、剪除干扰边），可解决电商Agent长对话/多轮任务中检索不准、关键信息遗漏的问题。
- 三阶段演化流程参考：Stage I 初始连接构建、Stage II 反馈驱动精炼（链接级+单元级编辑）、Stage III 长期巩固（技能蒸馏与成熟度收敛），可直接模块化复用于Agent记忆系统设计。
- 技能自动提取与成熟度度量：利用PEMS指标判断过程技能是否收敛，避免冗余迭代；可将电商操作成功轨迹自动转化为可复用技能，提升跨任务泛化能力。
- 单元级内容自适应：在检索充足但抽象粒度不匹配时，方法动态细化和粗化记忆单元，可指导电商场景中不同步骤所需上下文粒度的动态调整。
通过类型化记忆表示缓解长效Agent中的溯源-角色坍缩
🧭 长效Agent记忆组织 · 类型化记忆原子 ★ 深度解读
Harbin Institute of Technology, Shenzhen · The Hong Kong Polytechnic University · Shenzhen Loop Area Institute
提出类型化记忆中间表示 MEMIR，以记忆原子分离证据、线索与事实，实现溯源监控的结构化
📌 工作参考价值（4 点）
- 记忆原子分层存储：将对话历史拆分为证据 Span、线索（句柄/时间/枢轴）和事实 Claim，避免不同角色信息混杂。在电商对话或购物助手中，可分别存储用户偏好事实、原始对话片段和时间锚点，提升事实追踪与更新。
- 类型约束投影：检索命中的非事实原子（如 Span）必须通过关联 Claim 进入候选，间接阻断虚假事实的生成。适用于 RAG 或 Agent 场景，只让被证据支撑的声明影响答案，减少幻觉。
- 溯源范围利用：通过粗到细排序和选择，仅将 Claim 及其溯源闭包（证据 + 线索）作为“事实接口”输入给答案模型，强制模型在证据范围内生成，并在证据不足时明确拒绝回答。可迁移至生成式推荐，将商品属性类声明与其来源证据打包，提升推荐解释性和防幻觉能力。
- 认知记忆设计借鉴：明确区分外部感知与内部推理，避免将系统推断当作用户提供的事实。在多轮交互中可用于甄别用户真实陈述与模型猜测。
MemForest：基于层次时态索引的高效Agent记忆系统
🧭 Agent记忆系统 · 层次时态索引 ★ 深度解读
National University of Singapore · Zero Gravity Labs
通过并行提取与层次时态索引，实现Agent记忆的局部更新与时间感知检索，大幅提升写入吞吐
📌 工作参考价值（4 点）
- 时态树组织用户状态：将用户偏好、行为轨迹等记忆按时间组织为MemTree，天然支撑“状态演变查询”，避免扁平向量检索丢失时间顺序，适合电商场景中用户偏好迁移、行为序列推断。
- 局部更新与惰性刷新：修改仅影响脏节点路径，避免全量重写Profile或Summary，大幅降低在线更新成本，适合高并发会话流下的实时记忆维护。
- 并行提取提升写入吞吐：将长会话切分为短块并行调用LLM，再通过事实规范化合并，可迁移到推荐系统中对用户长行为序列的实时摘要生成，加速记忆构建。
- 多粒度检索平衡效率与精度：从粗粒度树摘要快速召回，再细粒度浏览，避免全库向量搜索开销，适合多智体系统的上下文召回或检索增强生成中的高效证据定位。
PREPING：无需目标任务的智能体记忆构建
🧭 Agent ★ 深度解读
KAIST · DeepAuto.ai
通过提议者引导的合成实践与验证过滤，在部署前无需任何目标环境任务即可构建可复用程序性记忆