DAMI：双轴记忆初始化增强门控线性注意力长上下文检索
🧭 门控线性注意力 · 记忆初始化 ★ 深度解读
SpeedAI · Beihang University
联合配置头时间尺度与层输入敏感度，在不增加参数的情况下提升五种线性注意力架构的长上下文检索准确率
📌 工作参考价值（4 点）
- 用户长期行为序列建模：若用 Mamba/GDN/RWKV 等线性注意力处理用户长 session，可将多个 head 的衰减时间尺度几何分布（如 1~4096），让不同 head 分别捕捉近期点击与长期偏好；避免统一衰减导致远期信号被遗忘或近期噪声过拟合。
- 分层表征初始化先验：低-高-低输入敏感度可迁移到推荐/Ads 塔：浅层 embedding/low-level 层保持低敏感性求稳定，中间交叉层高敏感捕捉动态，深层汇总层再低敏感防止稀有关联消失；配合无梯度校准，只需少量业务激活即可完成初始化。
- 工程可插拔且零推理成本：DAMI 仅改变衰减侧初始化，不增加参数与推理开销；适合作为现有 SSM/线性注意力推荐模型的 baseline 增强，尤其当业务数据分布迁移或长上下文需求提升时，可低成本重校准。
- 长上下文检索能力：若模型需要从长会话/长文档中检索相关信息（例如客服历史、详情页关联），可参考 RULER 风格评估，并利用该初始化改善远距离依赖命中。
FIRME：基于注册锚定记忆图演化异构投资者知识
🧭 Agent 持久记忆 · 实体对齐知识图谱
The Vanguard
用注册锚定记忆图解决知识图谱中同一关系表面形式不同导致的历史碎片化问题，提升跨期实体对齐与证据积累
📌 工作参考价值（4 点）
- 可借鉴 registry-anchored 的实体管理思路：在电商/推荐场景中，同一商品、用户、话题常以不同表面形式出现在搜索、评论、会话、交易等来源，建立 canonical identity + persistent alias 的注册表能避免关系历史碎片化，让跨渠道、跨会话证据持续积累。
- deterministic updates 对强化、休眠、再激活的总结方法可以迁移到用户兴趣或商品热度的时间衰减模型：不依赖重训 embedding，而是在图谱层维护带时间戳的聚合状态，降低工程复杂度。
- rule-based fusion 结合固定 ontology 的做法可作为轻量级替代：在没有大量标注的情况下，把非结构化文本（如客服对话、商品评论）与结构化信号（如购买、现金流）对齐，适合快速搭建可解释的领域知识层。
- 关注 provenance 与 round-trip 诊断：在 Agent 或 RAG 系统中输出必须可溯源，FIRME 保留 source/time/context 并提供提取忠实度检验，这对线上推荐解释、风控审计有直接参考价值。
从交互到能力：以任务推进为状态与监督的 GUI 智能体记忆
🧭 Agent 任务状态与经验记忆 ★ 深度解读
The Hong Kong University of Science and Technology (Guangzhou) · Shandong University
将已验证任务进展作为在线状态与离线监督，从跨应用长程任务中学习可复用操作
📌 工作参考价值（4 点）
- 在电商导购/任务型 Agent 中，把用户已确认的约束（预算、尺码、偏好、收货地址）作为 verified task progress 绑定到剩余决策节点，后续只推进依赖已满足的目标，避免跨商品页/订单页重复询问。
- 从成功与失败的会话中抽取「局部有效操作」作为可复用算子：定义入口输入、期望结果、验证条件，例如「给定尺码+偏好筛选候选商品」或「根据地址+支付方式完成下单」，即使整单未成交也能沉淀有效环节供后续会话复用。
- 区分 draft/attempt/confirmed：在推荐流程中只把「加入购物车」「提交订单」等强确认信号作为状态更新依据，不把生成过程或中间点击误判为已完成结果，减少错误状态对后续决策的污染。
- 借鉴 Evidence Cache 和按依赖召回：为多轮推荐对话缓存商品详情图、用户历史 SKU 属性等结构化证据，按剩余需求的 input dependencies 按需读取，降低上下文 token 并提高信息可用性。
面向 AI Agent 的记忆中心持续学习
🧭 Agent 记忆与持续学习
提出以记忆是否改进未来行动为核心的三轴分类、双循环生命周期与评测协议
📌 工作参考价值（4 点）
- 将记忆系统从“能检索到什么”转向“是否改善下游动作”，在推荐/广告 Agent 中可定义以最终转化/点击增益为记忆更新信号，而非仅记录历史会话
- 采用双循环生命周期：内层快速更新交互记忆（如用户偏好、上下文），外层以任务反馈（如 session 成功率）调整记忆写入、淘汰、检索策略，可类比在线学习中的 meta-policy
- 借鉴三轴分类（substrate/ asset/ policy）对现有 RAG、向量库、参数微调等记忆方案做架构审计，明确不同记忆的存储位置、资产形态与管理策略，避免混用
- 资源分配框架可用于决定非参数记忆（向量库）与参数记忆（LoRA 模块）的容量与读取预算配比：当总预算增长时，按最优路径扩增容量与读取资源，而非盲目加大 retrieval top-k 或模型参数
OpenVLHarness：面向真实世界视觉 Agent 工具使用的多模态记忆
🧭 多模态 Agent 工具调用与记忆增强推理
University of California, Los Angeles · Apple
通过能力层与持久多模态记忆统一工具输出，多模态 LLM 在 22 个基准上平均提升 9.7-12.6 分
📌 工作参考价值（4 点）
- 电商多模态购物助手中，可借鉴 capability layer + evidence rendering 将商品搜索、图像识别、价格/库存等异构工具输出统一转成结构化 observation，减少模型解析成本。
- persistent multimodal memory 按地址存储商品图、结构化数据、网页引用，支持多轮对话跨步骤引用，避免重复调用工具，适合商品对比、搭配推荐等需要持续上下文的任务。
- coding interface 对存储数据执行生成式程序，可用于多源数据联合计算，如比价、价格历史分析、风格一致性判断，把多个工具结果组合成可执行逻辑。
- 成本收益结论：中等推理 effort + 工具记忆比高 effort 纯推理更优且 token 成本低至 37%，提示业务 Agent 优先做工具集成而非一味增加推理预算。
ProV-Mem：面向流式视频问答的主动记忆框架
🧭 流式视频主动问答 · 分层记忆
The Hong Kong Polytechnic University · Tencent Inc. · Shenzhen Loop Area Institute
冻结 VLM 骨干下，用三层轻量记忆解耦何时查询、说什么、是否发出，实现训练无关的主动流式问答
📌 工作参考价值（4 点）
- 三层记忆架构可直接迁移到实时用户行为流监控与主动触达 Agent：将「触发时机」「生成策略」「去重发送」解耦成独立轻量层，避免每次事件都调用大模型，显著降低推理成本。
- 冻结 VLM backbone + 外围无训练记忆模块，适合业务快速上线；用固定 prompt 先验约束生成简洁且视觉接地的内容，可类比于推荐文案、商品摘要的约束生成。
- episodic memory 做近重复过滤对主动 push 场景尤其关键——能减少对同一用户反复推送相似商品或消息造成的打扰，提升用户体验与消息接受率。
- CAUC 评估思路值得借鉴：在离线评估主动推荐/推送系统时，除准确率、召回外，增加对冗余、过高发送频率、过长输出的显式惩罚，更贴近真实业务收益与成本权衡。
看见、维持与学习：多模态智能体记忆的演进
🧭 多模态 Agent 记忆机制综述
Rutgers · Notre Dame · Michigan · Fudan · UC San Diego
提出双轴框架解析多模态Agent记忆的形成/表示与管理演化，总结设计模式与原则
📌 工作参考价值（4 点）
- 将记忆分为 T1 静态 / T2 动态 / T3 自演进三层，可用于电商导购或客服 Agent 的记忆架构：用户长期偏好作为静态记忆（T1），会话内上下文动态更新（T2），跨会话策略通过经验持续优化（T3）。
- 双轴框架指导多模态商品信息（图片、视频、文本描述）如何编码与表示，可借鉴 modality-specific embeddings、文本/结构化记录、latent/parametric representations 的取舍，设计商品知识库和用户画像的融合方式。
- 原则强调 balancing source fidelity with abstraction、temporal validity and provenance、evidence grounding，对构建可解释、防幻觉的推荐/客服 Agent 记忆至关重要，尤其在召回证据和解释推荐理由时。
- 自演进记忆策略可类比在线学习或 meta-learning，适合需要持续适应用户兴趣漂移的推荐系统，可探索用 LLM 自动更新记忆管理 policy。
VFold：对称性感知的跨层 Value Cache 压缩
🧭 LLM 推理 KV cache 压缩
Johns Hopkins University · George Mason University
利用 value cache 跨层对称性做无损合并，不改模型结构，可与量化/剪枝组合进一步压缩
📌 工作参考价值（4 点）
- 适合长上下文 Agent/RAG/LLM 排序服务：在不改模型结构、不重新训练的前提下，于 decode 前对 value cache 做跨层对称合并，可直接降低显存占用，线上可插拔。
- 可与 KV cache 量化或 key cache pruning 组合：先做 VFold 式 value 合并，再做高压缩比量化/剪枝，能在 memory 受限条件下换更大 batch 或更长上下文；需用 LongBench/RULER/多轮工具调用等业务指标回归。
- 工程实现上只需读取 value cache 并做轻量融合/索引，对注意力结构无侵入，适合已经冻结模型参数的线上推理框架（如 vLLM、TensorRT-LLM）外挂使用。
- 可离线检测各层 value 表示的余弦相似度/CKA，定位高冗余层，再决定合并范围；若用 LLM 做序列推荐或用户行为编码，类似跨层冗余也可能存在，值得做一次成本极低的探测。
循环式 Harness 实现智能体持续学习的反向修订
🧭 Agent 持续学习 · 在线反思修订 ★ 深度解读
Massachusetts Institute of Technology · Meta MRS Research · Yale University
在流式持续学习中用下游反馈反向修订已检索反思，闭合前向读写循环，显著提升智能体在线适应与稳定性
📌 工作参考价值（3 点）
- 在电商/搜索推荐的在线 Agent 策略记忆中引入“反向修订”：发现某条策略反思（如“高点击低转化商品应降权”）在新场景失效时，不直接删除，而是用当前交互结果作为反馈修正其适用条件，并要求修订内容只基于原策略来源轨迹，防止未来信息泄漏；这能避免过时规则反复误导后续排序/query 决策。
- 严格在线无验证集/无 replay 场景下，反思摘要比原始轨迹更省 token；建议 top-k 取 5 左右，过多修订会导致 reflection drift 且成本上升。电商活动切换时可优先使用该类机制，同时用 stability/plasticity 分解评估切换后第一轮（无反馈）与后续轮次表现。
- 复用“修订后的旧反思作为 demonstration 引导新反思生成”的技巧：在线学习时先修正旧经验再写新策略，能让新策略带上更精确的适用条件（例如“只在促销季生效”），减少过度泛化。
MemAdapter：反事实适配缓解记忆诱导谄媚
🧭 LLM Agent 记忆使用校准 · 后检索适配 ★ 深度解读
Jilin University · Xiamen University
提出后检索反事实适配框架，动态校准记忆使用边界，降低 LLM Agent 长期记忆诱导的谄媚偏差
📌 工作参考价值（4 点）
- 在电商导购/个性化推荐 Agent 中，可引入后检索记忆适配层：不修改画像库或召回逻辑，而是在检索到的用户画像/历史偏好进入 prompt 前，用 LLM 为每条记忆生成使用指令（可支持、影响哪些部分、不能 justify 哪些结论），避免画像记忆污染事实性排序或推荐结论。
- 借鉴反事实画像评估：对用户身份、历史偏好等记忆，构造不同决策任务和证据配置，自动沉淀“同一画像何时应个性化、何时不应影响结论”的条件规则，解决特征一刀切导致的过度个性化。
- 显式解耦事实与个性化：在生成推荐理由或导购文案时，采用内部 support trace 机制，要求每个 response span 标注来源（实时商品/证据 vs. 用户画像）和适用的记忆使用指令，生成后校验，降低记忆诱导的错误推荐。
- 工程上该适配位于 retrieval 之后、generation 之前，可跨 backbone 复用；用轻量 self-reflection 输出结构化使用边界即可，对生成式推荐/Agent 业务可低成本验证。
SEER：面向时序预测的自进化事件推理与检索
🧭 自进化 Agent · 事件检索增强时序预测 ★ 深度解读
Google Cloud AI Research · University of Virginia
用预测误差驱动检索记忆与因果知识库更新，显著提升事件驱动时序预测的准确性与可解释性
📌 工作参考价值（4 点）
- 在电商需求预测/广告转化预估中，把动态外部事件（价格调整、大促、供应链、热搜）作为可更新的文本上下文，而不是静态特征；用 retrieval memory 生成搜索 query 扩展候选，再用 selection memory 做噪声过滤，两个组件解耦，避免信息过载。
- 闭环反思机制可用于推荐/搜索的在线学习：将预测残差（销量/CTR 偏差）和推荐理由对比，更新「检索记忆」与「因果规则库」，离线回放、线上冻结，避免直接更新模型参数；尤其适合已有 LLM 推荐理由或文案生成场景。
- 严格时间边界与 fact-check 约束对推荐系统外部特征同样关键，确保只用截至请求时刻的商品新闻/库存/价格，防止特征穿越导致线上翻车。
- 蒸馏 IF-THEN 因果规则不仅提升可解释性，还能让 Agent 主动拒答/过滤高噪声样本（如选择性股票预报、选品），提升精度；电商中可迁移到「是否推荐、推什么品类」的不确定性决策。
长期自我中心视频记忆的构建与推理：MemLife与MemOpt
🧭 长期视频记忆 Agent 与 RL 训练 writer ★ 深度解读
Meta Reality Labs · University of Virginia · University of Illinois Urbana-Champaign
提出MemLife多模态记忆系统与MemOpt强化学习框架，只训练记忆写入器即显著提升长期视频QA
📌 工作参考价值（4 点）
- 记忆写入与读取解耦：将非结构化多模态行为流（观看/会话/操作）离线压缩成时间戳+实体锚定的文本条目，线上只做检索与推理，可大幅降低长期用户行为记忆的存储与查询成本。在电商场景可对用户历史生成第一人称摘要（“我上周浏览过某商品”），对齐自然语言问询。
- 时间索引 + 语义搜索：检索时先用时间区间过滤再做 embedding 相似度排序，并按时间顺序组织证据，能缓解长历史中相似事件的检索竞争。迁移到搜索推荐可处理“上个月看过的那双鞋”等时间敏感查询，先缩小候选集再匹配。
- RL仅训练记忆写入器而非端到端答案：奖励分解为 Faithfulness / Informativeness / Retrievability，避免 reader 执行噪声干扰，训练稳定且跨 backbone 泛化。可以对用户行为摘要或商品描述生成模块采用类似分解奖励，将“信息量”和“可检索性”纳入优化目标。
- 可检索性离线评估：用固定 reader 缓存 actions 重放判断候选记忆是否会被检索到，无需每次生成新推理轨迹，显著降低训练开销。在推荐/搜索中评估历史摘要或商品描述的召回效果时，可用固定策略重放，快速离线筛选高质量候选。
Qwen-Planner-Agent：面向真实移动规划智能体的闭环 AI-for-AI 框架
🧭 Agent 闭环训练与模型-Harness 协同进化 ★ 深度解读
MAI Team · Alibaba Token Hub · Alibaba Group
构建闭环 AI-for-AI 框架，通过 AI 生产数据、CARE 智能体强化学习与模型-Harness 协同进化，在 MobilePA-Bench 以 27B 取得最高综合分 77.05%
📌 工作参考价值（4 点）
- 混合环境策略可迁移到电商导购/搜索 Agent：用沙箱覆盖可复现工具调用，LLM 仿真覆盖长尾场景，少量真实设备/线上会话做高保真验证，能显著降低真实交互成本，同时保留关键执行反馈。
- CARE 的按组成功率分档值得直接借鉴：任务成功率低时给过程奖励，混合时只给结果奖励，成功后转向效率优化；并用 success-anchor 校准 advantage，避免模型为省 token 而过度压缩推理或工具调用，适合对 LLM 成本敏感的推荐解释生成、对话式搜索、商品导购等场景。
- 模型-Harness 分离设计适合工具/货架频繁变化的电商场景：模型参数不绑定具体工具清单，Scenario Adapter 按当前可用工具注入操作说明，Memory 按证据分级管理，支持大促、多租户、多行业工具切换而无需反复重训模型。
- AI-for-Data 飞轮可复用：保留失败轨迹并做能力归因，根据验证集弱点生成新任务和重采样，而不是只按原始语料频率训练；这可用于 query 改写、搜索 suggestion、推荐理由生成等任务的持续迭代优化。
ConvMem：面向长上下文推理的卷积记忆框架
🧭 长上下文推理 · 卷积记忆
Institute of Automation, Chinese Academy of Sciences
将长上下文推理重构为分层卷积，训练免费、高度并行，缩短推理链为对数树
📌 工作参考价值（4 点）
- 超长用户行为序列建模：可借鉴其分层卷积思路，将用户长期行为、浏览/点击序列分段，用 LLM 以当前 query 为卷积核做树状摘要，降低顺序读取延迟。
- 多意图查询分解：Multi-Kernel Convolution 把复杂 query 拆成多个语义通道并行处理，适合电商搜索中多意图识别与召回融合。
- 训练免费外挂记忆：无需强化学习微调，可作为独立 memory 组件接入现有 LLM API，避免在特定数据集上过拟合，利于快速落地。
- 工程并行优化：Configurable Strides 和 Skip Connections 支持对多个文本段批量 summary，适合长文档 RAG、商品详情/评论聚合等场景的 GPU 并行加速。
记忆即计划：基于记忆接地规划的世界-动作建模
🧭 Agent 长程记忆与计划执行解耦
MaP-WAM 将长期记忆转化为稀疏视觉上下文与语言计划，由固定上下文执行器遵循，取得 RMBench 83.3% 成功率
📌 工作参考价值（4 点）
- 在需要长用户历史的推荐/Agent 场景，可借鉴“记忆即计划”：把长时间跨度的行为序列压缩为若干关键帧（或代表性 item 特征）+ 高层意图，供 planner 生成下一步计划，而非让 executor 每次都读全量历史。
- 计划与执行分离：规划器可以处理长历史并生成轻量计划，执行器只接收固定长度上下文和当前计划，结合 progress 预估实现自适应切换，在线推理延迟与历史长度解耦；结构化注意力支持 KV cache 可进一步降低重复规划成本。
- 对电商视觉/短视频推荐，如果任务依赖细粒度视觉证据，语言摘要会丢失信息，可保留用户最近强交互的视觉特征帧作为稀疏长期记忆，而不是仅存文本标签。
- 但这是机器人操作领域，所提 WAP 和进度对齐机制较复杂；直接迁移到推荐/广告需要简化：progress 可类比用户状态/会话阶段，可改造为 session 切分与 memory refresh 信号。
面向 LLM Agent 的过程图：自演化的执行结构
🧭 Agent 过程性记忆与自演化图结构 ★ 深度解读
Google · Georgia Institute of Technology · Peking University
用可编辑的 (procedure, relation, procedure) 图组织过程性知识，在线按当前节点生成局部引导，离线通过验证门控自演化图结构
📌 工作参考价值（4 点）
- 在搜索/推荐 Agent 工作流中，把工具或技能（query 改写、召回、精排、解释、政策校验）抽象为过程图节点，边属性写 condition/guidance/pitfalls；推理时用最近一次 tool call 做 exact match 定位，取 2-hop 邻域生成 guidance，比注入全图省 token 且效果更好。
- 离线自演化：用成功/失败轨迹对比让 LLM refiner 提出增删节点/边、改属性，必须通过 held-out validation 不降分才提交；保留 rejection memory，避免重复无效修改。可迁移到自动优化广告投放、选品、客服 Agent 的流程。
- 图结构在权重外，便于审计、回滚和人工修正，适合电商合规/风控；不需要 fine-tune 模型。
- 注意效率：localized generative guidance 在长轨迹上能减少 solver steps，但总 token 仍可能上升，需缓存或选择性生成。
用记忆替代训练：Text-to-SQL 的列表式选择
🧭 LLM 候选选择免微调 · Memory 检索
IPAI, Seoul National University · KAIST
免微调列表式选择器，用结构化记忆作为决策标准并多排列聚合缓解位置偏差，BIRD-dev 准确率提升 2.02 且 tokens 减 2.92x
📌 工作参考价值（3 点）
- 可借鉴其 structured memory bank：把自然语言到业务实体/操作/期望输出的映射事先蒸馏成可检索片段，作为候选排序的显式标准，避免对选择器微调；在电商 query 改写、广告文案候选选择中可构建 query→商品属性/类目意图/文案风格的 memory，推理时检索作为评分依据。
- 借鉴 多排列聚合 + 执行结果/pointwise 预筛 的推理成本优化：先用轻量打分或可执行性检查过滤多数候选，只对 top-k 做多顺序的 listwise 比较，再聚合排名，能降低 LLM 调用 tokens 和位置偏差。
- 位置偏差缓解可以做成推理时策略而非训练策略，兼容已有 LLM；在搜索推荐 Agent 的多个工具/候选结果重排序环节，可直接插入多排列投票逻辑，无需额外训练。
ContextPilot：细粒度强化学习驱动的 Agent 主动上下文管理
🧭 Agent 主动上下文管理 · 细粒度 RL ★ 深度解读
Tsinghua University · Tencent Youtu Lab · Shanghai AI Lab
提出 ContextPilot，扩展规划、长期记忆与软卸载工具，并用 context-aware partial rollout 与快照级信用分配训练 Agent，在 32K 窗口下超越更大上下文基线。
📌 工作参考价值（4 点）
- 在电商搜索/推荐多轮 Agent 中，把「上下文管理」显式工具化：提供 planning、结构化长期记忆（实体/事件/关系）和软删除/折叠工具，让模型自主决定何时写入记忆、何时压缩旧搜索结果，而不是依赖固定截断或总结规则。可直接借鉴 ContextPilot 的工具设计，例如将搜索结果中高价值商品信息写入记忆，将低价值长文本 summarize/compress，并用可搜索索引恢复。
- RL 训练时不要均匀探索所有工具调用：用上下文长度变化和生成熵变化给 context editing 动作打分，对高敏感动作（如删除关键历史、写入记忆）做额外分支采样。在推荐 Agent 的 GRPO/RLHF 中，可以对“切换推荐策略/更新用户画像”等关键动作增加 rollout，避免把预算浪费在普通检索步骤。
- 信用分配从 trajectory 级下沉到 snapshot 级：对某个中间上下文状态，取其所有后续分支的奖励均值作为该状态价值，再做组内标准化 advantage。这个 trick 能降低方差，适合长链路推荐/搜索 agent 的中间决策优化，避免用一个最终结果奖励惩罚/强化无关节点的上下文编辑。
- 业务上可复用“更小上下文窗口 + 更强性能”的结论：ContextPilot 以 32K 窗口超过 128K 原模型，token 使用稳定在 8-10K vs baseline 30K，直接降低线上多轮搜索/推荐的 LLM 成本与延迟。
SkillForge：通过可验证技能演化训练强化学习智能体
🧭 Agent 技能演化与 RL 训练优化 ★ 深度解读
AMAP, Alibaba Group
让 LLM Agent 通过显式技能调用和基于证据的验证，在 RL 训练中持续积累并修正可复用技能
📌 工作参考价值（4 点）
- 在电商导购/客服 Agent 中，可将经验从原始日志蒸馏成结构化技能（title/intent/principle/when to apply），检索时只注入 title+intent 的紧凑目录，调用后展开完整内容，能控制 prompt 长度与 KV cache，适合技能库/策略库持续膨胀的场景。
- 借鉴 evidence-based verification：对每条技能/策略模板维护 EMA 成功率与调用次数，计算 underperformance score，优先让 LLM 反思和改写高失败率策略；可用于推荐 Agent 的 prompt 模板、工具选择策略、query 改写规则库的持续治理。
- 显式技能调用标签把技能使用变成可归因事件，RL 或线上日志可直接统计哪些策略真正影响转化/点击，避免“注入一堆 prompt 但不知道有没有用”；可迁移到生成式推荐的 Semantic ID 策略库或多 Agent 工作流节点的版本管理。
- 多路径技能归纳：从成功会话抽取、失败会话提炼修正、成功/失败对比分析差异生成新策略，且弱模型演化出的技能可迁移到强模型，能降低高质量策略库的生成成本。
长期人机对话记忆评估：从直接追问到自然整合的 MemUse
🧭 LLM 长期对话记忆评估
Graduate School of Informatics, Kyoto University
发现直接问答记忆准确率与用户满意度无关，提出自然整合评估基准 MemUse，揭示 71 点巨大差距
📌 工作参考价值（4 点）
- 在电商导购/客服 Agent 中，长期记忆评估不要只看「直接提问能否答对」（Direct QA），这类指标与用户满意度可能无相关；应在真实对话流中挖掘「记忆时刻」，评估模型是否在自然回复中主动且恰当地融入历史信息。
- 建立集成感知的自动化评估：对每个记忆时刻，用 LLM-as-judge 检查回复是否自然引用了相关历史事实（而不是仅仅能否回答事实问题）；该指标与满意度相关性更强，可用于回归测试。
- 检索增强记忆系统往往只优化 top-k 准确率，但可能存在高检索准确、低实际使用的问题；可通过「引用率」等下游指标暴露该 gap，指导改进方向：不仅提升检索命中，还要提升相关性检测和上下文融合能力。
- 直接 QA 准确率从 19.7% 到 70.1% 变化，但满意度无显著差异，提示团队在迭代记忆模块时不要过度依赖离线 QA 基准，要做用户满意度 A/B 测试或应用内行为指标。
MobilePA-Bench：复杂真实任务中移动规划代理的基准测试
🧭 移动 Agent 规划评估 · 工具调用基准 ★ 深度解读
MAI Team · Alibaba Token Hub · Alibaba Group
提出有状态、工具中心的移动规划代理基准，覆盖工具调用、子代理协作、记忆与技能四维能力
📌 工作参考价值（4 点）
- 评估 Agent 工具调用时，用 stateful sandbox 执行真实工具并返回动态反馈，比静态字符串匹配更能暴露运行时错误（如权限拒绝、依赖顺序）。电商场景可模拟库存、订单、用户画像等实时状态，让 Agent 在真实约束下做决策。
- 验证阶段按证据类型分桶（Tool Call / State Change / Agent Behavior），不同任务用不同 checker，避免单一指标过严或过松。可迁移到电商 Agent 评估：下单类任务看最终订单状态，推荐类任务看是否调用正确检索工具并合理追问。
- Memory Usage 维度要求 Agent 必须先显式调用 search_user_memory 检索用户偏好/历史，再规划动作，否则 gate 直接判失败。这启示电商个性化 Agent 应强制显式记忆检索，而不是依赖模型隐式猜测。
- Skill Usage 用预打包复合技能替代原子工具逐步规划，能显著降低长程任务错误累积（Skill 分数普遍高于 Memory）。在电商中，可将“下单+优惠券+支付”“退款+库存回补+通知”等流程封装成 skill，提升整体成功率。
拆分并传递：LLM Agent 的跨任务技能迁移
🧭 Agent 技能归纳与跨任务迁移 ★ 深度解读
Stony Brook University
系统比较技能归纳层级与格式，发现子任务级文本技能迁移最可靠，并给出无需执行的技能效用评分
📌 工作参考价值（4 点）
- 在构建 Agent 技能库/长期记忆时，优先按子任务粒度归纳技能，而不是整个任务轨迹。任务级技能容易过拟合源任务，插入后续任务上下文反而会拉低基线；子任务级技能在多个 benchmark 上稳定带来提升。
- 技能表示优先用文本工作流笔记而非代码函数。文本技能跨域迁移更稳，代码技能存在加载失败、参数化不干净、上下文干扰等问题；如必须用代码，要严格控制可加载性和参数抽象。
- 可以用论文中的轻量诊断 score 在任务执行前评估技能库质量：对每条技能计算 specificity×abstractness，筛掉低分技能或调整归纳方式。该分数只依赖技能描述和任务描述，无需实际跑任务，适合上线前的技能库治理。
- 在电商/Agent 场景可复用思路：把用户操作流程（登录、查购物车、下单、移愿望单等）拆成可共享子技能，并在 Agent memory 中按子任务检索；避免把整条用户 session 总结成一条“大技能”塞进 prompt。
Harness 持续学习：冻结模型下 Agent 外部状态的持续进化
🧭 Agent 持续学习 · Harness 进化 ★ 深度解读
State Key Laboratory for Novel Software Technology, Nanjing University, China · University of Wollongong, Australia
将持续学习对象从模型参数转向 Agent 外部 harness，通过 guarded evolution 显式控制 harness-level 遗忘
📌 工作参考价值（1 点）
- 在 Agent 系统中引入 guarded evolution：将 harness 更新（prompt、memory、routing 等）与部署分离，设置历史锚点集（anchor set）作为回归测试，只有通过当前改进、历史保留和有效性检查的新配置才上线，避免线上行为退化。\n- 借鉴四组件设计：Task Interface, Experience Memory, Capability Map, Adaptive Router 可以映射到电商/搜索推荐系统的 Agent 编排层，把用户意图解析、历史交互记忆、可用工具/策略注册、决策路由分开管理，便于持续迭代和故障定位。\n- 通过调节 historical-loss tolerance Bn 控制稳定性-可塑性权衡：在大促等需要快速适应新玩法时放宽 Bn，在稳定期收紧，实现业务节奏的灵活控制，而不是一味追求最新任务的最优。\n- 利用 LLM 从原始交互中总结抽象记忆、再提炼为可复用内部技能（inner skills），可迁移到自动从用户反馈中提炼推荐策略、生成推送文案或 query 推荐模板，形成持续进化的策略库。
PILOT：面向在线树实验的主动洞察学习智能体技术报告
🧭 Agent 多角色实验优化 · 决策树个性化 ★ 深度解读
Taobao
PILOT 用三角色 LLM 智能体将推荐实验从被动调参升级为主动假设检验与人群级决策树个性化，搜索效率提升 40pp
📌 工作参考价值（4 点）
- 给实验平台加“守卫层”：在真实推荐系统上做 Agent 自主实验，先实现确定性 Action Enumerator + Manager Guard + State Committer；LLM 只从合法候选里选，状态写入和统计判断都不经过 LLM，能显著降低越权和误用风险。
- 用 PolicyTree 做人群级策略个性化：把策略打成 bundle，用 split/prune/hashSplit/updateStrategy 作为原子动作；先做特征质量预筛和 hashSplit 小流量探测，再进入全桶 A/B 验证。适合猜你喜欢、会员分层、广告人群包等配置迭代。
- 记忆分成“策略证据”和“方法论”两层：策略效果只记录成 bundle 对比，并标注因果/诊断证据角色；单次实验只产生 draft，跨任务一致才升 supported/approved。可避免把一次 lucky run 当成全局经验，减少 LLM 幻觉决策。
- 强制“假设先行”的 planner proposal：每个候选必须带可证伪假设、拒绝条件、证据引用和结果后的下一步计划，否则不分配流量；这比事后总结轨迹更可控，适合把实验参数搜索交给 LLM 时的工程约束。
自适应记忆与反思多智能体系统用于医学问答
🧭 多智能体协作与记忆反思机制
提出医学问答多智能体框架，通过智能体专属记忆、反思反馈与复杂度路由提升答案质量
📌 工作参考价值（4 点）
- 复杂度评估与工作流路由：电商/搜索推荐中可参考“复杂度评估器”，根据用户 query 或上下文难度，将任务路由到 solo、collaborative 或 escalated 工作流——简单查询走轻量单智能体，复杂需求触发多智能体协作或人工升级，平衡效果与成本。
- 智能体专属记忆与反思：为不同智能体（如意图识别、商品召回、排序、文案生成）维护独立记忆和反思缓存，记录历史失败案例与反馈，让后续推理更少犯同类错误；这与用户长期偏好记忆类似，但更强调任务级错误纠正。
- 共识与伦理监督模块：在生成推荐理由、广告文案或客服回答时，引入多个智能体输出共识和合规审查，能减少事实性错误、品牌风险，尤其适用于医疗、金融等需要强监管的场景；电商大促文案也可以借鉴此类多角度审核。
- 外部检索与记忆结合：AMR 将外部 RAG 与历史对话/案例记忆有效结合，对电商问答或生成式推荐有借鉴意义——既要有实时商品知识检索，也要沉淀用户交互记忆与反思，提升生成稳定性和个性化。
FM-Bench：长期管理竞争 Agent 评测基准
🧭 LLM Agent 长期管理评测基准 ★ 深度解读
AnalogyAI
15 个前沿 LLM 在 20 年共享足球管理世界中评测，结果由可解释管理行为而非模型规模与 token 消耗决定
📌 工作参考价值（4 点）
- 把记忆管理作为 Agent 能力来评测：业务中若采用“每次决策点新会话+自维护 notebook”的模式，可将 notebook 连续快照的 TF-IDF 余弦相似度作为记忆健康度指标，警惕 append-only（>0.9）和完全重写（<0.25）两种失效；不要把长期上下文截断/摘要交给 harness 隐式做，否则评测分数部分反映的是脚手架而非模型。
- 奖励函数要显式反囤积与末期衰减：FM-Bench 对超额现金按 0.3 计入净资产，且正分乘 ρ=(t/T)^1.5，迫使 agent 权衡“安全持有现金”的隐性机会成本；电商/广告预算分配中同样可以给闲置预算或过时策略加递减折扣，防止 agent 永远选局部安全动作。
- LLM 无法从数百次拒单中学会市场真实价格（中位 30 次报价才成交 1 次）：在竞价/谈判 Agent 上，应显式给模型维护一个可查询的 bid-ask 历史或先验价格分布，而不是只把 rejection 当反馈；Solo 与 Arena 的行为对比（出价频率 0.5→4.6/季）说明策略强度需按对手自适应。
- 上线前做共享经济体评测：固定对手的 solo 榜第一会形成 dynasty，但 Arena 中冠军在 10 个模型间轮换、卫冕只成功 2/19，说明反自适应环境能揭示策略真实韧性；推荐/流量分配策略也应放入多个 Agent 争抢同一批库存/用户预算的共享仿真，而非仅做静态 A/B。
SheetCompass：面向智能体表格推理的层次关系图框架
🧭 多Agent协同 · 层次图表格推理 ★ 深度解读
State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China
将电子表格从扁平文本转为层次关系图，结合双级记忆与三Agent闭环，在SCB/SB/SheetRM上全面超越既有Agent方案
📌 工作参考价值（4 点）
- 多表/多域结构化数据可建模为表节点+列节点的层次图：显式保留包含、邻接等结构边，再用语义相似度+LLM逻辑打分构建跨表语义边；商品表、订单表、广告报表等联合推理可直接复用，避免扁平序列丢失空间与跨表依赖。
- 三Agent分工（Explorer 定位与子图提取 → Programmer 受图约束生成代码 → Reflector 用 checklist 校验执行状态）适合需要工具调用的长链路数据流水线，闭环校验显著减少语义错误。
- 双级记忆：静态专家知识（业务规则、公式模板、工具修复经验）与动态推理经验（当前轨迹、错误日志，成功经验回流长期库）结合，能避免重复犯错，适合长表格/报表生成任务。
- 用语义相似度筛选种子节点，再通过 BFS 提取共享子图进行上下文压缩，类似 RAG 中的上下文裁剪，可有效控制 prompt 长度，适合大规模表格/文档 Agent 场景。
大型语言模型记忆机制综述
🧭 LLM记忆机制综述
提出以架构为中心的LLM记忆分类框架，沿表征、更新、持久性三轴统一碎片化研究。
📌 工作参考价值（4 点）
- 长期用户建模：在电商推荐Agent中，可借鉴显式记忆存储（如外部KV Cache）持久化用户跨会话行为，解决长期偏好漂移问题。
- 混合记忆架构：采用短/长期记忆协同设计，短期记忆负责实时上下文（如浏览序列），长期记忆存储压缩画像（如购买历史Embedding），平衡延迟与个性化。
- 在线记忆更新：利用参数高效微调（如LoRA）实现轻量级在线用户兴趣更新，无需全量重训，适合千人千面的动态推荐场景。
- 记忆路由与压缩：将多源异构用户数据（点击、搜索、购买）通过记忆路由器动态写入不同存储分区，并结合记忆压缩技术降低存储开销，提升长序列处理效率。
Agentic 上下文管理：将 Agent 内存与成本作为生命周期和架构问题解决
🧭 Agent 上下文生命周期管理与成本控制
提出 Agentic 上下文管理五原语（架构、摄入、范围界定、预判、压缩与巩固），将上下文从存储问题重构成全生命周期，实现了线性 token 成本且精度不降
📌 工作参考价值（4 点）
- 上下文生命周期管理思路可直接落地：电商对话推荐 Agent 常因长对话历史丢失关键偏好，借鉴五原语（特别是 scoping 与 anticipating）能主动选择当前轮次相关上下文，避免历史淹没关键信号。
- Token 成本工程价值高：论文揭示 naive 上下文累积导致 token 成本平方增长，仅用摘要则精度断崖。业务中可采用 验证性压缩（validated compaction）技术，在保持线性成本的同时保留召回精度，对高频对话系统降本明显。
- 多租户上下文服务化：参考 Maximem Synap 的多租户实现，搜索/推荐 Agent 可将上下文管理抽象为独立服务，支持组织级层次结构，便于电商平台同时服务多个商家或频道。
- 跨会话记忆与遗忘机制：跨会话的 ingesting 与 consolidation 原语可用来构建用户长期偏好记忆，同时通过遗忘陈旧信息防止上下文膨胀，适合需要多轮交互的导购 Agent。
基于摘要记忆的可解释 Agent 对话诈骗检测系统
🧭 可解释 Agent · 摘要记忆
University of New Haven
以可解释 Agent 融合单消息与对话级检测，引入摘要记忆跨消息推理，在基准上达 97.8% 准确率
📌 工作参考价值（4 点）
- 摘要式记忆机制可迁移至电商客服 Agent：对长对话压缩关键意图与上下文，避免窗口溢出，提升多轮交互下需求理解和推荐准确性。
- 可解释性设计：输出检测理由，可借鉴到推荐系统的透明性解释，例如解释为何推荐某商品，增强用户信任。
- 多阶段检测架构：结合单消息快速判别与对话全局分析，可类比推荐精排-粗排流程，平衡响应延迟与精度。
- 用户研究评估方法：使用 SUS 量表和前后测对比验证用户信任和接受度，可复用于评估搜索推荐 Agent 的用户体验与 AI 辅助效果。
自我进化的世界模型用于 LLM 智能体规划
🧭 世界模型与记忆自进化增强 LLM Agent 规划
National University of Singapore · Singapore University of Technology and Design · Singapore Management University
提出 WorldEvolver：部署时通过记忆修订增强世界模型预测与规划，无需更新参数
📌 工作参考价值（4 点）
- 在搜索推荐系统中，可构建“世界模型”模拟用户对推荐结果的响应（点击、购买等），替代真实环境试错，加速策略优化。
- 分层记忆（情景记忆 + 语义记忆）可分别存储实时交互序列与长期行为规则，用于用户兴趣建模和动态策略提升。
- 选择性前瞻机制过滤低置信预测，避免劣质生成内容污染推荐或排序结果，可迁移至生成式推荐的幻觉控制。
- 自进化框架支持模型参数冻结下的在线适应性提升，适合电商/广告场景中对延迟敏感的大规模部署。
逃离自我确认陷阱：执行-蒸馏-验证的智能体经验学习框架
🧭 多智能体协作经验构建 ★ 深度解读
Zhejiang University · Tsinghua University · Northwestern Polytechnical University · University of Science and Technology of China · Shanghai Jiaotong University
通过多智能体异构执行、第三方对比蒸馏与共识验证，将经验学习从自反思循环重构为协作过滤，可靠抑制错误记忆污染
📌 工作参考价值（4 点）
- 经验构建的去偏设计：在电商Agent（如导购助手、客服Agent）的经验积累中，直接套用单智能体自总结容易把错误但自洽的交互流程当成成功案例写入记忆，导致后续任务复用错误策略。可借鉴EDV的第三方蒸馏：用另一个模型（或不同prompt的同一模型）对比多个并行执行轨迹，生成候选经验，减少执行者中心化的总结偏差。
- 共识验证提升记忆质量：在广告出价Agent或搜索推荐Agent的记忆更新时，引入执行者集体投票的默认拒绝机制，只有获得全体执行者一致认可的经验才进入共享记忆，部分认可则存入私有记忆。这能有效过滤幻觉与噪声，特别适用于无明确ground-truth的开放域任务。
- 异构执行增加探索多样性：实际业务中可部署多个不同模型（或同模型不同温度）对同一任务并行产生候选轨迹，而非简单增加重试次数。这样做能暴露不同的成功与失败模式，为后续经验提取提供更丰富的对比素材，类似推荐系统中的多样性采样。
- 能力矩阵与分层记忆：维护一个动态能力矩阵，记录各Agent擅长哪些任务类型；推理时先按任务匹配最适求解器，再从共享记忆和私有记忆中逐级检索。这种轻量级的路由+记忆分层模式可直接移植到多模型协同的推荐Agent系统，几乎不增加在线推理成本，却显著提升检索命中率和经验利用率。
智能体人工智能全面指南：从基础到系统实现
🧭 Agent 构建 · RL 训练 · RAG 与记忆系统 ★ 深度解读
覆盖 LLM 基础、RL 对齐、Agent 训练、RAG、记忆与推理的工程实践手册
📌 工作参考价值（4 点）
- Agent 训练完整配方：第12章提供轨迹缓冲区、多目标奖励设计、课程学习等细节，可直接用于对话式推荐 Agent 的强化学习训练
- GRPO 与 Agent 优化：详解 GRPO 及其变体（Dr. GRPO、SAPO 等），可迁移到电商 Agent 多轮交互策略的在线优化
- Agentic RAG 模式：查询变换、自我反思、多源路由等模式可直接用于电商搜索中的多步检索与问题解答 Agent
- 记忆系统设计：用户建模、会话连续性、层次化记忆管理器等方案，可落地实现个性化推荐 Agent 的长期记忆管理
UnityShots: 记忆驱动多镜头音视频生成与边界感知门控
🧭 多镜头视频生成 · 记忆机制
The Hong Kong University of Science and Technology · The Chinese University of Hong Kong · Kling Team, Kuaishou Technology · Tsinghua University · Sun Yat-sen University
用固定大小记忆槽和边界感知门控实现跨镜头一致性音视频生成，指标领先开源并与闭源持平
📌 工作参考价值（4 点）
- 多镜头连贯生成可直接用于商品展示视频：固定大小的长期记忆（锚定开场镜头）与短期记忆（前一镜头尾部）槽位设计，可在自动生成多角度、多场景商品介绍时保持产品外观、环境的一致性，避免人工拼接。
- 边界感知门控可用于用户行为序列的切点检测：将视觉切幅概率与节拍信号融合的思路，可迁移到电商用户session划分中，用行为突变信号（如点击间隔、内容切换）触发推荐策略切换。
- 离散切类型先验作为可控开关：通过AdaLN学习离散过渡强度，在生成时可控制镜头连接的平滑或突兀程度，类似推荐系统中多样性/一致性的可调节参数，适用于广告混剪的节奏控制。
- 参考说话人token保持音色：在虚拟主播、广告旁白等多镜头音频生成中，可保证人声一致性，无需滑窗音频库，降低工程复杂度。
S-Agent：空间工具使用激发空间智能推理
🧭 空间智能 Agent 范式
NTU · THU · ByteDance · NWPU · Ropedia
将空间推理变为VLM规划的时空证据累积过程，配备层次化工具与双记忆，零样本提升多视图推理并可蒸馏小模型。
📌 工作参考价值（4 点）
- VLM 作为规划器结合层次化空间工具（2D→3D lifting）的模式可直接复用到电商多模态商品理解，例如调用工具提取商品尺寸、方位、遮挡关系等空间属性，丰富推荐特征。
- 双记忆设计（Scene Memory 存储场景状态 + Agent Memory 存储工具调用与推理历史）为对话式推荐 / 搜索中的多轮状态管理提供参考，能持续累积用户意图与工具反馈，避免孤立轮次。
- 推理时增强 + 轨迹蒸馏方法论（S-300K → S-Agent-8B）可借鉴到业务轻量模型升级：收集 LLM/VLM 的工具调用轨迹，微调小模型，在成本限制下获得复杂推理能力。
- 时空证据累积而非单帧预测的思路，对视频推荐或动态场景理解有价值，例如从用户浏览视频多帧中逐步累积兴趣证据，提升长期偏好建模的准确性。
闭环三元协同长视频生成
🧭 闭环视觉-文本-记忆协同的长视频生成
University of Science and Technology of China · Microsoft Research Asia
提出闭环视觉-文本-记忆协同框架，迭代纠正多镜头视频中的身份漂移和不一致问题。
📌 工作参考价值（4 点）
- 闭环验证-修正机制可迁移至生成式推荐：在生成商品描述、个性化文案时，引入VLM或评判模型检测生成结果与用户意图/商品属性的一致性，自动触发重生成或prompt refine。
- 实体中心记忆可用于用户/物品的长期建模：维护一个可更新的记忆状态，追踪实物属性变化和跨会话演进，提升多轮对话推荐或个性化agent的连贯性。
- 代理框架分解复杂生成任务：将长流程切分为规划-执行-批评的agent回路，可用于搜索推荐流程自动化（如自动选品、策略组合、创意生成）。
- 多镜头一致性优化思想可用于视频广告素材生成：确保多个片段中品牌/产品视觉元素保持一致，提升广告质量。
MLEvolve：面向自动化机器学习算法发现的自演化多智体框架
🧭 多智体长周期自演化与算法搜索 ★ 深度解读
Shanghai Artificial Intelligence Laboratory · East China Normal University
通过图搜索、回顾记忆与分层规划实现长周期自演化，在 MLE‑Bench 上以半数时间达到 65.3% 奖牌率 SOTA。
📌 工作参考价值（4 点）
- 图搜索 + 跨分支信息复用：Progressive MCGS 在有向图中引入引用边，允许非父‑子节点间的策略组合，可迁移到多方案 A/B 实验或推荐模型架构搜索，打破单支探索的信息孤岛。
- 动态经验积累：回顾式记忆将每次尝试的计划、结果、分析存入全局记忆，通过 BM25+FAISS 混合检索在规划和调试阶段自动召回相关经验，可直接用于 Agent 的“失败经验库”或营销策略迭代记忆。
- 规划‑编码解耦与自适应模式：分离“改什么”与“怎么改”，根据搜索阶段和代码成熟度在全量生成、模块化生成、diff 编辑间自动切换，能稳定长周期代码迭代，适用于 LLM 驱动的自动化特征工程或流水线优化。
- 渐进式探索‑利用调度：熵启发的软开关在 UCT 探索与精英引导利用间平滑过渡，可在有限计算预算（如广告竞价、推荐排序在线调参）下自动从宽探索收敛到高价值方向，避免后期资源浪费。
MemGraphRAG：基于记忆的多智能体图检索增强生成
🧭 多智能体协同 · 图检索增强生成 ★ 深度解读
Xiamen University · Jilin University
用三层全局记忆与多智能体协同消除知识图谱构建中的局部噪声与冲突，实现高精度低延迟的图检索增强生成。
📌 工作参考价值（4 点）
- 知识图谱自动化清洗与一致化：电商商品知识图谱常因多渠道爬取导致属性冲突（如价格、规格矛盾），可借鉴记忆层冲突检测‑证据比对‑裁决的多 Agent 闭环，自动合并冗余、修正错误三元组。
- 全局主题过滤防止无关抽取：在构建推荐或问答用知识图谱时，设定 Schema 频率阈值过滤低频噪音，避免局部抽取引入偏离主商品类目的 off‑topic 事实，提升图谱信噪比。
- 结构感知的检索初始化：处理包含海量类目节点的商品图谱时，对高连通度的“类目”节点使用 log‑degree 惩罚初始化，防止 PPR 传播时重要性被泛化节点稀释，确保多跳推理聚焦于具体商品实体。
- 分层记忆检索范式：在生成式推荐或对话中，可按本体 → 事实 → 文本段落逐层召回、过滤，先匹配类目与属性范式再定位具体商品与评论文本，兼顾粗粒度的语义约束与细粒度的证据支撑。
AutoSci：面向全科研生命周期的记忆中心多智能体系统
🧭 Agent · 多智能体协作与自进化科学发现 ★ 深度解读
Peking University
提出 AutoSci，通过结构化持久记忆、流程控制、多智能体增强与自进化，实现跨项目可复用的全周期科研自动化。
📌 工作参考价值（4 点）
- 借鉴 SciMem 的分区记忆设计：长期知识记忆（领域/论文/概念/方法/研究者等实体）与活跃研究记忆（想法/实验/稿件/评审）分离，电商 Agent 可类比用户兴趣图谱、商品知识库与当前会话状态的隔离，避免上下文污染与幻觉。
- SciDAG 的多智能体 DAG 编排模板：通过可复用的算子图（生成、辩论、精炼、评审等）自适应执行复杂任务，可用于推荐系统中的多路召回融合、策略辩论、解释生成等，条件边实现动态流程控制。
- SciEvolve 的自进化机制：将用户反馈、实验失败等信号转化为版本化更新，可迁移到 Agent 系统的持续优化中，例如定期分析对话失败模式，自动调整 prompt、工具选择或流程步骤，提升系统鲁棒性。
- 信任守护（Trust Guard）设计：对记忆写入进行形式与内容双重验证，可引入到电商知识库更新或模型生成内容的校验环节，避免错误信息传播至下游决策。
VitaBench 2.0：长期用户交互中个性化与主动智能体基准
🧭 大模型智能体个性化与主动性评估基准 ★ 深度解读
National University of Singapore · Meituan · University of Science and Technology of China · Beijing University of Posts and Telecommunications · Zhejiang University
提出面向长期交互的个性化与主动性评估基准，揭示前沿LLM智能体在偏好推理、记忆利用和主动交互上严重落后于实际需求。
📌 工作参考价值（4 点）
- 个性化评估维度拆解：在推荐或对话智能体设计中，可借鉴本工作将个性化能力分解为偏好提取（从隐式行为中推理）、利用（决策时遵循偏好）和更新（应对偏好漂移）三个可量化环节，构建分层评估与诊断体系。
- 记忆机制的现实瓶颈：实验表明无论 Agentic Memory 还是 RAG Memory，当前模型在长期交互中都无法有效利用记忆，反而导致性能下降（Avg@4 低于 Full Context）。在业务系统中应避免过度信任记忆，需配套主动压缩、冲突消解和多轮校验策略。
- 主动交互是差异化能力：主动任务得分比个性化任务低 ~40%，模型往往在信息缺失时强行决策而非发起澄清。在电商导购或售后场景，可显式训练/提示智能体识别“信息缺口”并触发追问，提升用户体验。
- 偏好利用比提取更难：即使提供真实偏好，Strong Model 也只有约 50% 的 Pass@4，说明模型难以在复杂工具调用中持续遵循偏好。在生成式推荐中，可考虑将用户偏好向量绑定到工具选择与参数生成的全链路，而非仅作为上下文。
预见与学习：释放主动式智能体的空闲计算能力
🧭 主动式智能体 · 空闲计算优化 ★ 深度解读
Shanghai Jiao Tong University · Tencent
ProAct架构利用空闲时间预测未来需求并主动准备，在ProActEval上减少交互轮次14.8%，降低用户努力11.7%，幻觉率下降28.1%
📌 工作参考价值（4 点）
- 对话式推荐中的前瞻计算：可借鉴 ProAct 的“对话历史 + 持久记忆 → 未来需求预测”管道，在电商对话助手场景下，利用提问间隙预取候选商品、生成推荐解释，降低用户显式询问轮次。
- 价值感知的主动推送：论文的 \(S(z)\) 评分（用户相关性、知识缺口、增量价值、时效性）和 PushScore 门控（信息价值 vs. 打断成本）可直接迁移到主动推荐系统中，决定是否向用户推送推荐卡片，避免骚扰。
- 持久记忆与主动维护：ProAct 的 memory layer 持续抽取用户偏好、事实、未决缺口，并将其转化为预测需求，这相当于一种“记忆驱动的意图发现”机制，可嵌入用户长期画像系统，驱动个性化主动触发。
- 分离响应与前瞻计算：将部分算力从“请求时推理”迁移到空闲期预计算，尤其适合电商大促等高负载场景，可离线生成候选项并缓存至 KV cache，在线仅需轻量匹配，降低延迟。
MeMo：将记忆建模为可插拔的专用模型
🧭 LLM ★ 深度解读
National University of Singapore · MIT · A*STAR · University of Tokyo · Liquid AI
一种模块化框架，通过训练小型记忆模型并采用结构化多轮查询协议，无需修改LLM即可融入新知识，同时捕获跨文档关系并抵抗检索噪声
情感参与状态记忆：面向大规模超个性化的架构
🧭 LLM ★ 深度解读
divAIne Research
引入情感索引记忆与意图推理的状态化LLM架构，在30个对话场景中全面超越无状态基线，记忆接地提升95%
FutureSim：重放世界事件评估适应性智能体
🧭 Agent ★ 深度解读
ELLIS Institute Tübingen · Max Planck Institute for Intelligent Systems · University of Stuttgart · Tübingen AI Center · University of Southampton
通过真实新闻事件按时间顺序重放，评估前沿智能体长期预测与适应的能力
LiSA：通过保守策略归纳实现终身安全适配
🧭 Agent ★ 深度解读
Google Cloud AI Research · Seoul National University · Google
在稀疏、嘈杂反馈下，通过结构化策略记忆与证据感知重用的保守归纳，持续改进AI护栏
MemEye：以视觉为中心的多模态智能体记忆评估框架
🧭 Agent
从视觉证据粒度和推理方式两维评估多模态记忆，揭示现有架构在细节保留与状态变化推理上的缺陷
前瞻性引导的记忆检索：语言模型的前瞻思考
🧭 RAG ★ 深度解读
University of Washington · Microsoft Research
提出前瞻性引导检索（PGR），通过模拟未来场景触发相关记忆，解耦存储与检索，大幅提升长期个性化助手的召回率
自进化记忆架构：LLM智能体通过自动研究自我优化检索
🧭 LLM ★ 深度解读
UNC-Chapel Hill · UC Berkeley · UCSC
首个通过LLM闭环诊断自主进化检索配置的记忆框架，实现AutoResearch，无需人工调参
STALE：大模型智能体何时知晓记忆已过时？
🧭 Agent ★ 深度解读
武汉大学 · 香港中文大学 · 香港科技大学
提出STALE基准评估LLM隐式记忆冲突，揭示检索与行动脱节，及写入侧状态裁决的有效性