【中文 | English】
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。
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。
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。
- 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
-
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
以下论文按发表日期排列：
综述
| 时间 | 论文与摘要 | 标签 | 链接 |
| 2026-10-26 | Learning to Remember: Advances in Memory Mechanisms for Large Language Models |  |
 |
|
• 从记忆生命周期、存储载体和系统作用三个维度梳理语言模型记忆研究。 • 区分非参数记忆、参数记忆与智能体演化记忆，并覆盖构建、维护、检索、整合、遗忘和治理。 • 提供贯通机制、评测与部署的研究路线图；属于文献综述，不提供新系统的性能验证。 |
|||
| 2026-10-23 | Agentic Memory Management Is the Next Frontier of Information Retrieval | |
|
|
• 将智能体记忆管理提出为信息检索的重要研究方向。 • 给出系统级框架，以常量、函数和算子区分记忆对象与检索语义，并联系结构、存储、检索和使用。 • 提出基准、记忆效用与参数/非参数混合优化议程；属于观点与概念分析，未提供新的系统性能实证。 |
|||
| 2026-10-16 | From Sliding Windows to Self-evolving Lifelong Memory: A Dual-perspective Survey of Memory Paradigms for Long-Horizon Robotics VLA Models | |
|
|
• 从范围与持久性两个视角梳理长程 VLA 模型的记忆范式。 • 按范围及持久性组织五类范式与一个新前沿，对比结构复杂度、开源成熟度和维护挑战。 • 提出架构复杂度与开源成熟度的权衡；属于综述分析，不是新方法优越性的实验证明。 |
|||
| 2026-10-15 | From Long Context to Selective Memory:A Survey of Memory-Centric Compression for Large Language Models | |
|
|
• 以选择性记忆管理综述语言模型压缩，将上下文与长期存储纳入共同生命周期。 • 统一写入、卸载、召回、注入、物化、淘汰、巩固、遗忘的状态及成本。 • 指出评测缺口和治理问题；这是概念与文献综合，不是新系统的性能保证。 |
|||
| 2026-10-14 | Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory | |
|
|
• 以形成表示与管理适应两个轴综述多模态代理记忆。 • 区分静态、固定策略动态更新与管理策略自演化，分析保真、抽象、时间有效性及来源追溯。 • 总结设计原则与开放问题；属于分析性综述，不把分类框架当作新的实证性能结论。 |
|||
| 2026-10-06 | Towards In-Parameter Memory Augmentation for Large Language Models |  |
|
|
• 综述参数内记忆增强：将预训练后获得的事实、偏好、文档或经验编码为可用于推理的参数对象。 • 按嵌入、注意力、FFN 或混合位置，以及部署前后获得记忆两个正交轴整理方法与边界。 • 提出干扰、安全、上下文协同和自我改进方向；这是方法综述，不提供统一新模型的实测优势。 |
|||
| 2026-09-30 | The Evolution of Attention in Large Language Models: Mechanisms, Trade-offs, and Emerging Trends | |
|
|
• 将注意力演化视为模型内部上下文记忆的表示、更新、访问、读取与整合问题。 • 梳理 59 个发布记录与 11 个开放端点，比较显式缓存、循环状态、稀疏访问及跨层复用。 • 提出多维有状态记忆路由假设；属于机制综述与架构归纳，不是统一受控性能实验。 |
|||
| 2026-09-25 | Machine Unlearning for Large Language Models: Foundations, Advances, and Agentic Extensions |  |
|
|
• 综述模型参数及智能体外部状态中的遗忘。 • 使用五层系统框架和六类证据维度比较移除主张及恢复测试。 • 指出仅评测模型不足以证明记忆、工具和后续更新中的影响已移除。 |
|||
| 2026-09-08 | Graph-Based Personalized Memory for LLM Agents: Representation, Evolution, Retrieval, and Evaluation |
 |
|
|
• 综述长期个性化智能体的图记忆。 • 围绕表示、演化、检索和评测组织研究。 • 比较设计选择，并梳理可靠性与可控性挑战。 |
|||
| 2026-07-28 | Memory for Large Language Models |
 |
|
|
• 从模型架构视角综述大语言模型记忆。 • 按表示形式、更新动态及持久性组织记忆机制。 • 综合分析写入、路由、固化、效率权衡及评测方向。 |
|||
| 2026-07-20 | The Chronos Vulnerability: A Taxonomy of Temporal Persistence and Memory-Based Deception in Agentic AI |
|
|
|
• 分类梳理有状态智能体中的时间持久攻击。 • 分析记忆注入、延迟欺骗及工作流级威胁模型。 • 综合轨迹监控、形式验证及可信记忆等防御方向。 |
|||
| 2026-06-25 | Agents That Know Too Much: A Data-Centric Survey of Privacy in LLM Agents |
|
|
|
• 本文从数据中心视角综述 LLM Agent 的隐私问题，关注智能体查询、存储、记忆、交换并据此行动的数据，而不只是按攻击类型分类。 • 论文围绕数据库、文档集合、API、跨会话记忆、中间工作流状态和多智能体通信组织风险，指出敏感信息可能在最终回答生成前就通过多种路径泄露。 • 该综述强调 Agent 隐私需要覆盖记忆写入、检索、委托、日志和工具调用的全生命周期控制，因此持久状态与数据治理是安全部署的核心问题。 |
|||
| 2026-06-23 | Are We Ready For An Agent-Native Memory System? |
|
|
|
• 本文从数据管理视角研究 Agent Memory，指出面向 LLM Agent 的记忆不应只被视作检索增强组件，而应作为支持持久化存储、检索、更新、整合与生命周期治理的系统来评估。 • 论文将 Agent 原生记忆系统拆解为四个模块：表示与存储、提取、检索与路由、维护，并在这一框架下评估了 12 个代表性记忆系统和 2 个基线，覆盖 5 类基准工作负载与 11 个数据集。 • 实验表明不存在一种在所有场景下都占优的记忆架构，效果高度依赖记忆结构与工作负载瓶颈的匹配；细粒度消融进一步量化了表示保真度、检索精度、更新正确性和长程稳定性等因素，成本分析也显示局部维护通常比全局重组更高效。 |
|||
| 2026-06-10 | Agentic Environment Engineering for Large Language Models: A Survey of Environment Modeling, Synthesis, Evaluation, and Application |
|
|
|
• 本文系统梳理了LLM代理环境的全生命周期框架，覆盖建模、合成、评估与应用四个核心环节。 • 提出了符号与神经两类环境合成范式，并从结构属性与能力维度分析了环境设计的演化路径。 • 强调代理与环境的协同演化机制（记忆、工作流、轨迹与探索），并指出未来将走向环境即服务与多代理生态。 |
|||
| 2026-06-09 | Toward Secure LLM Agents: Threat Surfaces, Attacks, Defenses, and Evaluation |
|
|
|
• 本文从生命周期视角系统刻画LLM代理的安全风险，并统一建模信息流、授权委托与持久状态三类关键交互。 • 通过综述247篇研究，归纳攻击面、防御机制与评估体系，揭示当前安全方法整体仍偏脆弱且不完整。 • 强调需要构建可信边界清晰、权限控制原则化、且贴近真实环境的长期状态安全评估框架。 |
|||
| 2026-06-04 | Agent Memory: Characterization and System Implications of Stateful Long-Horizon Workloads |
|
|
|
• 将 Agent Memory 定位为长程有状态工作负载，而不只是检索增强模块。 • 提出系统导向分类法和阶段感知 profiling 工具，用于拆解构建、检索和生成成本。 • 分析十个代表性系统，并总结面向规模化部署、新鲜度与延迟权衡的系统建议。 |
|||
| 2026-05-23 | MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory |
|
|
|
• 提出 MemEye，一个以视觉为中心的基准测试，用于评估多模态 Agent 的长期记忆能力，避免文本主导的"捷径"问题。 • 设计了二维评估矩阵（X轴：场景/区域/实例/像素粒度；Y轴：原子检索/关系关联/演化合成推理深度）。 • 引入三阶段验证闸门，确保问题无法通过文本上下文、简短字幕或超出 VLM 能力的方式被解决。 |
|||
| 2026-06-01 | EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning |
|
|
|
• 提出 EverMemOS，一个三阶段记忆生命周期（情景记忆形成 → 语义整合 → 重构式回忆），将碎片化对话组织为结构化、可演化的记忆单元（MemCell/MemScene）。 • 引入 MemCell 作为原子记忆单元，包含 Episode + Atomic Facts + Foresight + Metadata；MemScene 用于场景级整合，支持长期用户画像演化。 • 设计重构式检索范式，包含 MemScene 引导检索、前瞻有效性过滤和充分性验证，实现长期推理中"必要且充分"的上下文获取。 |
|||
| 2026-05-19 | An Agent-Oriented Pluggable Experience-RAG Skill for Experience-Driven Retrieval Strategy Orchestration |
|
|
|
• 识别了流水线式检索的三个工程问题：策略逻辑不可复用、路由决策不可观测、工作流耦合导致不可演进。 • 提出 Experience-RAG Skill，包含六个模块（统一接口、场景分析、经验记忆、策略路由、检索器池、结果打包），将检索策略选择封装为可插拔的 Agent skill。 • 规则路由（0.8924）优于学习路由（0.8778/0.8627），经验记忆记录 (scene_features, score_vector, best_margin) 为未来升级到学习路由奠定基础。 |
|||
| 2026-04-17 | Human Cognition in Machines: A Unified Perspective of World Models |
|
|
|
• 从认知架构视角统一梳理世界模型中的记忆、感知、语言、推理、想象、动机与元认知等能力。 • 提出面向科学发现的 Epistemic World Models 类别，并给出跨视频、具身与认知世界模型的分类和未来方向。 |
|||
| 2026-04-17 | Agentic Frameworks for Reasoning Tasks: An Empirical Study |
|
|
|
• 对 22 种常用 Agentic 框架在 BBH、GSM8K 与 ARC 上进行统一评测，比较准确率、耗时、成本与跨基准一致性。 • 结果表明性能差异主要来自编排质量，尤其是记忆控制、上下文增长和失败重试机制会显著影响效率与成本。 |
|||
| 2026-04-09 | Externalization in LLM Agents: A Unified Review of Memory, Skills, Protocols and Harness Engineering |
|
|
|
• 从“外化”视角综述 LLM Agent 的记忆、技能、协议与 harness 工程。 • 指出记忆外化跨时间状态，技能外化程序能力，协议外化交互结构，harness 负责统一协调这些模块。 • 梳理了从模型参数到上下文再到外部基础设施的演进路径，并讨论其中的关键权衡与开放问题。 |
|||
| 2026-03-05 | Beyond the Context Window: A Cost-Performance Analysis of Fact-Based Memory vs. Long-Context LLMs for Persistent Agents |
|
|
|
• 解决业界关于长上下文模型与外部记忆系统在构建持久化代理时的效能与成本优劣之争。 • 在三大主流记忆基准上，从准确率与累计 API 推理成本双重维度，系统交叉评测长上下文与事实型外部记忆方案。 • 长上下文在事实召回上具有优势，但成本随轮次递增；在 100k 上下文长度下，记忆系统在约 10 轮交互后即可实现成本反超，为实际工程选型提供了量化依据。 |
|||
| 2026-03-02 | Modular Memory is the Key to Continual Learning Agents |
|
|
|
• 传统基础模型在持续学习时依赖权重更新，极易导致灾难性遗忘，难以实现大规模经验积累。 • 提出一种结合上下文学习与权重内学习的模块化记忆架构路线图。 • 该架构利用上下文学习实现快速适应，通过权重更新实现能力固化，为构建真正意义上的终身学习智能体提供了理论指引。 |
|||
| 2026-03-02 | Emerging Human-like Strategies for Semantic Memory Foraging in Large Language Models |
|
|
|
• 旨在探究大语言模型内部在处理海量语义记忆时，是否具备类似人类的高效策略性访问机制。 • 借助机械可解释性技术分析语义流畅性任务，严密剖析模型内部收敛性与发散性的记忆搜索模式。 • 证实 LLM 不同层级中存在类人的策略性记忆搜寻行为，为认知对齐研究及强化人机协作奠定了可解释性基础。 |
|||
| 2026-02-26 | Toward Personalized LLM-Powered Agents: Foundations, Evaluation, and Future Directions |
|
|
|
• 本论文探讨了个性化LLM驱动代理的基础、评估和未来方向，对个性化 LLM 驱动代理的基础、评估及未来方向进行了能力导向的系统性综述。 • 论文围绕用户画像建模、记忆、规划和行动执行这四个相互依赖的核心组件构建了分类法。 • 本文综合分析了用户信号的表示、传播与利用方式，并探讨了从通用辅助到专业领域的应用场景及设计权衡。 |
|||
| 2026-01-14 | Rethinking Memory Mechanisms of Foundation Agents in the Second Half: A Survey |
|
|
|
• 从存储介质、认知机制和服务主体三个维度构建了统一的分类框架，系统化地定义了基础智能体记忆的分类学。 • 深入剖析了记忆在单智能体与多智能体系统中的动态操作机制，并归纳了提示词学习、参数微调和强化学习三种主流的学习策略。 • 全面梳理了现有的评价指标与基准测试体系，并结合多领域应用现状，提出了提升记忆效率、安全性及多模态能力的未来研究方向。 |
|||
| 2025-12-15 | Memory in the Age of AI Agents: A Survey |
|
|
|
• 提供了一个全面且最新的智能体记忆全景图，明确将其与 LLM 记忆、RAG 和上下文工程等相关概念区分开来。 • 引入了一个统一的分类体系，通过三个视角审视记忆：形式（Token 级、参数化、潜在）、功能（事实性、经验性、工作）和动态（形成、演变、检索）。 • 探讨了新兴的研究前沿，如面向自动化的记忆设计、强化学习集成和可信度，同时汇编了具有代表性的基准和框架。 |
|||
| 2025-09-18 | A Survey of Machine Unlearning |  |
|
|
• 深入探讨了机器遗忘的概念和背景，强调了其在现代机器学习中的重要性。 • 机器遗忘旨在使学习算法能够有效地消除特定数据的影响，而无需进行完整的模型重新训练。 • 论文分析了机器遗忘的必要性、挑战和设计要求，回顾了当前的研究进展，并强调了该领域在算法有效性、公平性和隐私保护方面的复杂性和多样性。 |
|||
| 2025-09-02 | A Survey on the Memory Mechanism of Large Language Model based Agents |
|
|
|
• 探讨了基于 LLM 的智能体的记忆机制，强调了记忆在智能体自我进化和复杂交互中的关键作用。 • 系统总结和分类了现有的记忆模块设计和评估方法，并分析了它们在不同应用场景中的作用和局限性。 • 此类智能体能够改善决策制定和任务执行。 |
|||
| 2025-05-31 | A Survey of Machine Unlearning in Large Language Models: Methods, Challenges and Future Directions |
|
|
|
• 论文调查了大语言模型（LLM）中的机器遗忘，旨在有效消除不良数据（如敏感或非法信息）的影响，无需完全重新训练，同时保留整体模型效用。 • 它定义了 LLM 遗忘的目标和范式，并建立了一个全面的分类体系。 • 论文回顾了现有方法，评估了它们的优势和局限性，并讨论了未来的研究机会。 |
|||
| 2025-05-27 | Rethinking Memory in AI Taxonomy, Operations, Topics, and Future Directions |
|
|
|
• 探索了人工智能（AI）中关于记忆的多维研究，特别关注大语言模型（LLM）中的记忆操作和管理。 • 对各种类型的记忆表示和操作（包括整合、更新、索引、遗忘、检索和压缩）进行了分类，并系统分析了记忆在 AI 中的重要性及其实现方式。 • 通过广泛的文献回顾，论文确定了四个关键研究主题：长期记忆、参数化记忆、长上下文记忆和多源记忆整合。 |
|||
| 2025-04-24 | Cognitive Memory in Large Language Models |
|
|
|
• 对大语言模型（LLM）中的记忆机制进行了全面考察，特别关注不同类型的记忆及其在模型中的作用。 • 虽然 LLM 在信息检索和交互总结方面表现出色，但其长期记忆仍然不稳定。 • 将记忆集成到 AI 系统中对于提供上下文丰富的响应、减少幻觉、提高数据处理效率以及实现 AI 系统的自我进化至关重要。 |
|||
| 2025-04-23 | From Human Memory to AI Memory A Survey on Memory Mechanisms in the Era of LLMs | 
|
|
|
• 探讨了人类记忆与基于 LLM 的人工智能（AI）系统的记忆机制之间的关系。 • 主要贡献包括系统定义了 LLM 驱动的 AI 系统中的记忆，及其与人类记忆的概念联系。 • 论文提出了一个基于对象、形式和时间的三维记忆分类体系，并总结了当前个人记忆和系统记忆研究中的关键开放问题。 |
|||
| 2025-04-02 | Digital Forgetting in Large Language Models: A Survey of Unlearning Methods |
|
|
|
• 论文探讨了大语言模型（LLM）中的数字遗忘及相应的遗忘方法，重点是解决与隐私、版权和社会伦理相关的问题。 • 它分析了不同类型的模型架构和训练过程，以及数字遗忘的实际方法，包括数据重新训练、机器遗忘和提示工程。 • 通过引入“遗忘保证”的概念，论文强调了精确遗忘和近似遗忘的有效机制。 |
|||
| 2025-01-12 | Human-inspired Perspectives: A Survey on AI Long-term Memory |
|
|
|
• 本文系统地考察了人类长期记忆机制与 AI 长期记忆之间的相互作用，并提出了一种自适应长期记忆认知架构（SALM）。 • 它介绍了人类记忆的结构，包括感官记忆、工作记忆以及不同类型的长期记忆（情景记忆、语义记忆和程序记忆）。 • 论文分析了 AI 长期记忆的分类——参数化记忆和非参数化记忆——及其存储和检索机制。 |
|||
方法类与框架类论文
| 时间 | 论文与摘要 | 标签 | 链接 |
| 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 | |
|
|
• GateSight 研究循环记忆能否提前预测注意力记忆的未来内容效用。 • 从 Gated DeltaNet 写入门、衰减与写入幅度预测 KV 保留价值，并按注意力输出门配置层间预算。 • 在两种混合模型和两项召回基准上，十分之一缓存下多数设置优于所比查询无关方法；不保证任意任务或压缩率下无损。 |
|||
| 2026-10-10 | How Should a Camera-First AI Agent Work? | |
|
|
• 提出将短暂视觉证据的记忆截止期与较慢推理解耦。 • 用有界快路径暂存感知，再主动提交持久记忆，由多模态模型和工具延后推理。 • 以 MOT17 轨迹窗口和实测模型延迟做一致性检验；属于架构与有限验证，尚非完整真实交互系统证明。 |
|||
| 2026-10-10 | Representation Drift in Continual Learning: LoRA versus N-gram Memory | |
|
|
• 比较持续更新原生 N-gram 记忆与 LoRA 对语言模型表示的干扰。 • 在相同七任务数据与预算下，仅更新记忆表、共享 LoRA 或逐任务合并 LoRA，逐层追踪通用及已学任务表示。 • 记忆表使通用表示漂移更小且稳定，但新任务获取较弱、存储任务仍互相干扰；不能把主干稳定等同完全不遗忘。 |
|||
| 2026-10-10 | What Survives When Activation Steering Is Used as Memory | |
|
|
• 检验激活偏移作为跨会话记忆能保留哪些用户事实和偏好。 • 将经验引发的晚层状态变化存成偏移，以白化主题键选择召回，并比较不同写入参考。 • 无关回答约 98% 不变，但事实干净使用率至多 15%，远低于上下文的 96–98%；偏好方向还可能被参考选择反转。 |
|||
| 2026-10-09 | Time Delay System for Sequence Modeling | |
|
|
• 以语义相似度决定历史延迟，构造可解释的内容感知时间召回。 • 结合可微语义延迟估计、对角状态空间和模糊语义调制；正文使用 256 维隐状态与最大延迟 30。 • 在 IMDB 分类和 CNN/DailyMail 生成实验中取得较好结果；正文承认评测范围有限且对超参数更敏感。 |
|||
| 2026-10-09 | Temporal Evidence Forests for Long-Horizon Multi-Party Conversational Memory | |
|
|
• T-Mem 用时间证据森林组织多方长期对话记忆。 • 先利用时间邻近性找回遗漏证据，再建模状态转换与支持关系，压缩低信息片段并序列化供回答使用。 • 在两个长期多方记忆基准上跨模型、领域及查询类型改善表现；结果限于所测交互设置。 |
|||
| 2026-10-09 | DP-MIND: Differentially private memory-guided Long context Inference | |
|
|
• DP-MIND 用可学习的紧凑记忆支持差分隐私长上下文推理。 • 对本地扰动输入分块处理，以答案正确性及记忆一致性训练构造策略，再本地修复受噪声影响的答案片段。 • 提供条件性隐私分析，并在最长百万词元的评测中改善效用；结论依赖所设隐私机制和测试环境。 |
|||
| 2026-10-09 | Forgetting is Not Always Bad: A Neuro-Inspired Memory Repair Mechanism for Poisoned LLM Agents | |
|
|
• DREAM 以选择性功能遗忘修复 LLM 代理的被投毒记忆。 • 通过扰动重激活、异常诊断和动态抑制有害记忆，同时强化正常记忆，无需额外训练。 • 作者报告后门攻击成功率降低超过 95%，相对 A-MemGuard 最多加速 2.13 倍并节省 37.7% 词元；防御不等同完整删除保证。 |
|||
| 2026-10-09 | Beyond the Final Embedding: Retrieving Memories from Token-Level Evidence | |
|
|
• 通过词元级证据匹配改善助手对存储会话和文档的记忆检索。 • 把稀疏词元匹配聚合为记忆分数，并结合整段相似度；可选查询适配器保持编码器与记忆表示不变。 • 八项检索评测及长期记忆问答均有提升；Qwen3-Embedding-4B 查询适配后平均 Recall@10 和 NDCG@10 提升 13.3 与 14.3 个百分点。 |
|||
| 2026-10-09 | Test-Time Memory Construction | |
|
|
• T²Mem 将查询特定记忆构造推迟到推理阶段。 • 离线仅保存轻量事件元数据与原始对话链接，回答时逐步检索并组织跨会话证据。 • 在 LoCoMo 和 LongMemEval 的多个模型上优于强基线，同时降低离线构造开销；结果为作者报告的基准表现。 |
|||
| 2026-10-08 | Gamma: Grounded Multi-Agent Memory with Mechanical Audit for Memory-Intensive Manipulation | |
|
|
• GAMMA 将机器人高层情节记忆分为 VLM 写入与推理两类代理。 • 结合空间检测、追加式文本记忆和机械视觉核验，对每条断言接受、延迟、纠正或拒绝，再生成接地子目标。 • 在 16 项记忆操作任务中接近固定策略的预言机上界，部分任务达到上界；结果仍依赖检测和核验接口。 |
|||
| 2026-10-08 | What to Admit and How to Present: Governing Persistent Memory in LLM Agents | |
|
|
• 将哪些记忆进入工作上下文与如何呈现它们分离，研究准入和呈现对安全性的独立作用。 • 整条记忆或类型化单元经属性裁定与确定性策略筛选，比较匹配准入预算和固定呈现的条件。 • 外部基准失败率下降 6.7、8.8 个百分点，但个性化失败增加，预注册条件未全部满足；安全收益具有任务依赖性。 |
|||
| 2026-10-08 | Gated Memory: Admission-Controlled Memory Formation for Conversational AI | |
|
|
• Gated Memory 在事实提取之前设置准入边界，保留原话中的临时性、条件和隐私语境。 • 通过准入与条件化补全两阶段生成带来源、类别、适用范围及时空信息的原子事实，禁止凭空新增实体。 • 固定检索和生成条件下，LoCoMo-10 的裁判准确率相对提高 2.6%；样本情绪密度特殊，外推需谨慎。 |
|||
| 2026-10-08 | REMORY: Learning Residual Memory for Context Compaction | |
|
|
• REMORY 在文本摘要后补充有界软记忆 token，保存后续决策可能需要的残差信息。 • 记忆网络同时读取历史和摘要，学习使冻结 LLM 的续写逼近完整历史条件下的行为。 • SummHay 用 5.2% 输入位置接近完整上下文联合分数，并减少代理重复工具输出；结果限于所测模型和任务。 |
|||
| 2026-10-08 | From Retrieval to Reconstruction: Constructing Evolvable Cognitive Memory for Long-Term Dialogue | |
|
|
• CogMem 用人物、事件、概念、主张和事实分离来源归属与客观记录。 • 增量构建有出处的记忆图，巩固事实并协调有时间范围的矛盾主张，通过锚定、遍历、交集和证据落地重建上下文。 • LoCoMo 和 LongMemEval 上多跳、时间与更新任务表现较强，消融支持各组件互补；摘要无统一效应量。 |
|||
| 2026-10-08 | Beyond Sequences: Distilling Structured Decision Memory for LLM Recommendation | |
|
|
• MARI 将用户以往决策中的目标、约束和权衡存为可解释的结构化决策记忆。 • 离线从异质行为和用户内容蒸馏记录，在线检索相关记忆增强 LLM 决策，分离构建和推理成本。 • 下一物品预测和困难选择任务优于所测基线；依据是离线推断的决策理由，不等同于已知用户真实动机。 |
|||
| 2026-10-08 | Memory Type Varies: Empowering LLM Agents for Long-Term Memory with Diverse Strategies | |
|
|
• MemoType 通过区分记忆类型和查询类型，避免多类语料共用一种检索策略。 • TriMEM 提供类型标注，学习路由器选择对应记忆和检索方案，并分析统一策略的精度上界。 • 三个数据集上最高 Recall@1 改善 16.18%；类型划分和路由质量仍限定该方法的适用条件。 |
|||
| 2026-10-08 | DeltaReplay: Task-Relative Memory Reuse for Mobile GUI Agents | |
|
|
• DeltaReplay 将轨迹记忆的可用性定义为相对当前任务的逐步关系，而非整条轨迹是否匹配。 • 保存页面和动作转移图，把动作拆成通用操作与任务参数，再决定照用、替换参数或交还基础代理。 • AndroidWorld 和 SPA-Bench 成功率最高分别提高 10.3、25.0 个百分点；主要验证部分匹配轨迹复用。 |
|||
| 2026-10-08 | MemTrial: Learning When to Trust Memory in LLM Portfolio Agents | |
|
|
• MemTrial 按经验对同日决策的边际改变赋予记忆信用，减少市场共同波动造成的错误归因。 • 用八种经验组合估计 Banzhaf 值，跨日期和相似经验做层级贝叶斯汇聚，并经未见日期验证后才采信。 • 五种设置的平均效用比最强经验学习代理高 21.2%；无效时保守锚定仍可能亏损，不能解释为投资收益保证。 |
|||
| 2026-10-08 | DPPM: Dual-Path Parametric Memory for Personalized Language Models | |
|
|
• DPPM 将参数记忆中的早期证据保持和顺序偏好更新分为互补路径。 • Evidence 路径汇聚历史表征，Delta 路径递归更新联想状态，融合生成与用户历史对应的 LoRA 适配器。 • 多骨干实验中 PersonaMem-v2 为 54.22%、PrefEval 为 86.79%；证据针对所测个性化任务。 |
|||
| 2026-10-08 | Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks | |
|
|
• Memento 3 把可修订环境假设存为自然语言规则簿，使语义记忆成为显式世界模型。 • 将规则编译成可执行代码，预测误差驱动修订；只有模型忠实性检查和逐格转移回放通过才接受更新。 • ARC-AGI-3 的 25 个公开游戏全部通关，Pong 仅测试三局；公开游戏和有限案例不足以证明通用自我改进。 |
|||
| 2026-10-08 | Event-Centric Memory with Query-Aware Graph Augmentation for Long-Term Conversational Agents | |
|
|
• QGMem 用事件中心的原子记忆和动态轨迹保存个人经历、状态变迁及当前状态。 • 混合召回与查询重排激活紧凑工作记忆，再构造局部图并编码为图 token 供 LLM 结合文本使用。 • 六个基准报告检索、多跳证据组合和冲突解决改善；摘要仅给定性汇总，未提供统一幅度。 |
|||
| 2026-10-08 | Look Back, Think Ahead: Visual Memory on Demand for Efficient Multimodal Reasoning | |
|
|
• ViMoD 在紧凑视觉上下文之外保留可恢复细节，支持推理阶段变化时按需回看。 • 粗粒度组与原始细粒度 token 建立链接，路由器根据解码历史选择、保留或替换活跃细节组。 • 20% 视觉 token 预算下在八个推理基准胜过所测基线，平均归一化分数高 39%；实验主体为 Qwen3-VL-4B。 |
|||
| 2026-10-08 | Use and Disuse: Intent-Structured Experience Consolidation for Memory and Learning in LLM Agents | |
|
|
• Hippocam 按嵌套意图组织正在进行的工作，将已完成任务逐步巩固为持久经验。 • 递归压缩较早历史但保留原始交互，按需逐层恢复；被重新使用的经验与新经验共同巩固、补充和更新。 • 提出无需参数更新的记忆与学习架构；所读摘要未提供定量实验，效果不应视为已充分验证。 |
|||
| 2026-10-07 | Relevance Is Not Sufficiency: What Actually Closes the Evidence Gap in Long-Term Memory QA | |
|
|
• BFR 将召回目标从单条相关性改为能共同回答问题的充分证据集合。 • 固定平面记忆库下，按问题信息需求选择初始子集，再通过更深文本搜索、实体和会话视角补齐未见记录。 • LongMemEval-S 裁判准确率从 72.4% 提升至 82.2%，Turn Hit 为 91.4%；结论依赖固定存储和既定预算比较。 |
|||
| 2026-10-07 | COOL: Curiosity-Driven Object Ownership Learning for Personalized Robotic Assistance | |
|
|
• COOL 从长期人物—物体交互记忆推断所有权，支持带归属条件的机器人服务。 • 两个语言代理共享位置与事件记录，一个检索证据推断归属，另一个按信息价值和陈旧程度探索并刷新记忆。 • 离线、消融及真实机器人实验支持方法；不确定归属可标记共享或未知，效果受感知和跨时间身份关联影响。 |
|||
| 2026-10-07 | Learning Situation-Conditioned Thinking Policies for Long-Term LLM Agents | |
|
|
• 将历史推理经验转为情境条件的思考记忆，预测当前应激活何种思考而不不断扩充显式上下文。 • 跨独立情节分析临时经验，发现长程规律并巩固为新知识，由轻量策略调用、LLM 完成具体推理。 • 报告 DeepSeek 推理 F1 从 0.789 提升至 0.868；部分受控指标达 1.000，不能外推为开放任务完美表现。 |
|||
| 2026-10-07 | SkillForge: Co-Evolving Skills and Agents via Dynamic Skill Lifecycles | |
|
|
• SkillForge 将技能视为可过时的流程记忆，以试用、激活、稳定和退役管理其生命周期。 • 基础模型回放先剔除低适应度技能，随后在 RL 中持续验证、稳定、变异和退役，与策略共同演化。 • 多个交互基准成功率相对最强基线最高改善 7.8%，并提供 5,000 余条生命周期记录；证据主要在训练期技能库中取得。 |
|||
| 2026-10-07 | HGP:An on-device personalized agent memory via hybrid graph storage | |
|
|
• HGP 为异质长期记录建立混合图记忆，保留情节、语义和流程的类型与关系差异。 • 轻量分类器路由不同记忆图，以工作记忆状态轨迹表示当前约束，并增量更新用户档案。 • 两个基准中，PAL-Set 的 S-score 为 35.58，比最强基线高近 7 点；设备端通用性未由摘要充分展开。 |
|||
| 2026-10-07 | ExperienceIndex: Artifact-Grounded Memory | |
|
|
• ExperienceIndex 把以前任务发现的文档贡献和文档间关系保存为面向材料的持久经验。 • 单文档与文档对两类记录来自推理轨迹，经验检索帮助新任务找到完整相关材料，并可从强模型传给弱模型。 • 答案质量最高提高 11.0 点、在线费用最高下降 50.5%；跨任务转移在相同材料语料上验证。 |
|||
| 2026-10-07 | VideoEvolve: Co-Evolving Memory and Retrieval for Long Video Understanding | |
|
|
• VideoEvolve 联合改进记什么和如何召回，避免固定视频记忆与动态问题检索不匹配。 • 从低帧率概览出发，记忆与检索 Evolver 交替强化学习；瓶颈和能力反馈决定补充证据与训练方向。 • 多个长视频基准显示有效，正文明确语言/多模态模型承担记忆写入和检索；摘要未给统一效应量。 |
|||
| 2026-10-07 | EngramEdit: Decoupled Knowledge Updates in LLMs through Conditional Memory | |
|
|
• EngramEdit 把条件记忆作为独立可编辑知识接口，更新事实时保持 Transformer 骨干固定。 • 计算跨表达一致的目标记忆表征，联合修改共享 n-gram 嵌入，并对频繁复用项施加更强保护。 • 实验报告近乎完美编辑成功及多跳收益，同时大体保留无关知识；结论依赖所测条件记忆架构。 |
|||
| 2026-10-07 | Never Look Back: Understanding Persistence in 3D Object Memory from Egocentric Videos | |
|
|
• Ledger 保持离开视野的物体位置、历史和文字细节，使助手可回答事先未知的空间问题。 • 按稳定停留位置组织带时间观察，多次证据才确认移动；语言模型读取保存的文本记录，无需重新观看原始视频。 • HD-EPIC 准确率从 29.7% 提升至 42.6%；跨场景串接仍暴露构建和召回失败，离线记录实验不等于实时部署。 |
|||
| 2026-10-07 | MemoWM: How World Models Change What Agents Need to Remember | |
|
|
• MemoWM 按世界模型能够重建的内容分配经验记忆，只保留具有额外任务价值的信息。 • 以重建误差对后续任务的影响权衡存储成本，用共享预测补回省略内容，并计入模型参数成本。 • 五个基准平均准确率 42.42%，比最强基线高 2.62 个百分点，经验存储比 MIRIX 少 53.9%；总成本仍取决于模型容量与经验量。 |
|||
| 2026-10-06 | AgentMemGate: Addressing Speculation Contamination in Conversational Assistant Memory | |
|
|
• AgentMemGate 针对把未决计划写成既成事实的推测污染，控制用户档案记忆的写入边界。 • 将语句分为推测、完成事件、纠正及其他，推测须满足条件后才提升为记忆，并支持删除。 • 困难留出集污染率为 3.4%–5.7%，任务准确率提高 9–13 个百分点；档案字段匹配仍是主要瓶颈。 |
|||
| 2026-10-06 | Decide Before You Look: Learning Which Retrieved Memories Deserve Pixels | |
|
|
• PixelTriage 在记忆检索后决定哪些图像值得传入原始像素，而非一律用图片或文字代理。 • 小模型依据对话、笔记和缩略图预测像素的边际回答价值，以冻结 27B 模型的有无像素对照生成监督。 • 三个基准用 11%–23% 视觉 token 且无显著准确率损失，DMV 快 2.9 倍；该结果依赖所测回答模型和预算。 |
|||
| 2026-10-06 | DAEDALUS: Bootstrapping Agent Memory from Self-Generated Tasks | |
|
|
• DAEDALUS 无需预设任务或 oracle，从自生成练习构建可复用流程记忆。 • 探索者生成任务，求解者从失败提炼启发式，只有反复成功验证后才接受并巩固到测试时记忆库。 • 三个交互基准平均成功率最高提高 15.9 点、pass^5 最高为 2.2 倍；启发式可跨模型迁移，仍依赖探索预算与环境反馈。 |
|||
| 2026-10-06 | Test-Time Agent Evolution for Long-Horizon Legal Reasoning | |
|
|
• 将部署时的案例经验召回、适配与巩固作为持续记忆演化，支持长程法律推理。 • 记忆更新配合按程序与行为规则校验的角色协作，在不更新模型参数的条件下复用先前经验。 • 五个基础模型在 J1-EVAL 和 LegalWorld 持续改善，消融显示记忆与协作互补；基准收益不等于现实法律决策可靠性保证。 |
|||
| 2026-10-06 | DeltaTTT: Layerwise Optimization for Nonlinear Recurrent Memory | |
|
|
• DeltaTTT 针对非线性记忆单遍优化困难，说明串行状态依赖并不自动优于固定基点并行更新。 • 把两层记忆网络的联合内循环优化改为逐层局部预测目标和状态依赖 delta 更新，同时支持分块并行。 • DeltaNet 与 LaCT 骨干上的语言建模和检索优于循环基线；因果解释仍来自探索性优化实验。 |
|||
| 2026-10-06 | MINDSET: Energy-based Schema Evolution for Long Conversational Agent Memory | |
|
|
• MINDSET 将记忆视为受约束的版本化状态管理，保留不可变情节及当前和历史图式。 • 最小能量转移在强化、覆盖、分裂与创建间选择，平衡冲突、历史损伤和碎片化，并用滞后避免过早重写。 • 850 个问题上报告较强回答和检索指标；MemoryAgentBench 差距较小，跨模型检查另使用 700 问题样本。 |
|||
| 2026-10-06 | When Forgetting is not Catastrophic: On the Mechanics of Spurious Forgetting | |
|
|
• 将表面遗忘拆成共享方向导致的可逆访问丢失与个别事实的真实侵蚀。 • 最小联想记忆解释动态，并用合成 Transformer 的公共偏移扣除和预训练模型更新方向移除做干预。 • 去除共享方向可恢复旧事实，表明召回崩塌不必然等于存储消失；长期事实特异变化仍可能造成真实遗忘。 |
|||
| 2026-10-06 | Whose Memory Is It? Scope-Aware Commit Rules for Long-Term LLM Memory | |
|
|
• CASK 用话语归属约束持久写入，防止假设、分支或他人信念变成共享事实。 • 识别模型内部的归属信号，但保存稳定关系而非易变坐标；临时内容仅在原范围可用。 • 受控长对话冲突与工具轨迹显示改善准入并减少后续污染；稳定关系的有效性由所测表征和场景支持。 |
|||
| 2026-10-06 | Visual Memory Attacks Can Persist Through The KV Cache | |
|
|
• P-VMI 研究视觉恶意输入移除后，其影响是否仍通过后续 token 的缓存记忆保留。 • 优化图像使攻击在注意力屏蔽后持续，以缓存交换定位状态来源，并测试保留摘要 KV 的上下文压缩。 • Qwen3-VL-8B-Instruct 最强配置攻击成功率约 90%，且能跨更长对话持续；效果依赖指定攻击和移除条件。 |
|||
| 2026-10-06 | Frozen Models, Evolving Expertise: Model-Agnostic Learning from Deployment Experience for Multimodal Medical AI | |
|
|
• 通过外部技能、可信知识记忆和多模态案例库，使冻结模型从部署经历持续积累经验。 • 保存先前案例与可信来源支持的事实和视觉实例，更新只有改善新案例且不损害早期案例才保留。 • 六个基准、四个基础模型报告最高 34.2% 医疗任务改善，并展示迁移；这些基准结果不等于临床部署验证。 |
|||
| 2026-10-05 | When to Remember, When to Abstain: Category-Conditioned Retention for Reliable Agent Memory | |
|
|
• 按语义类别决定记忆保留置信阈值，避免把弱来源支持的价值观和信念写成事实。 • 在 100 个合成角色、4,715 条候选断言中比较统一阈值与类别条件阈值，联合测量可靠性和覆盖率。 • 更严格的价值观阈值将无支持保留从 6.2% 降至 4.0%；证据限于合成冷启动和重复留出实验。 |
|||
| 2026-10-05 | AMBER: Training Long-Horizon Web Agents through Append-Only Memory | |
|
|
• AMBER 用只追加的自由文本记忆防止长期执行中的事实和纠错反馈在覆写时丢失。 • 语言智能体联合学习推理、动作和记忆写入，以结果奖励端到端训练，无需大量定制监督数据。 • WebArena Lite 平均成功率比覆写记忆高 4.09 个百分点，五次运行解题覆盖高 4.8 个百分点；结果针对该交互基准。 |
|||
| 2026-10-05 | Lineage-Aware Memory Governance: A Derivation-Gated Framework for Privacy-Preserving Column-Level Access Control in Enterprise AI Agents | |
|
|
• Analytical Memory Unit 为缓存结果附上列级派生血缘，防止内容合法却派生自无权访问列的记忆被复用。 • 只有请求者获得全部来源列授权才召回结果，并检测同名指标的计算冲突。 • 六组实验消除所测泄漏并保留约 81.5%–82.6% 复用；保证依赖完整血缘，真实 LLM SQL 演示仅九次往返。 |
|||
| 2026-10-05 | Understanding and Mitigating Inference-Time Overreliance Using Agentic Memory | |
|
|
• MEMTRIM 研究即使记忆正确且检索恰当，局部证据重叠仍会引起推理过度依赖。 • 写入时建立记忆证据索引，读取时移除重复或冲突部分，同时保留有用的记忆独有信息，无需重训。 • 跨模型和嵌入式、结构化记忆实验显示减轻过度依赖并保留有用收益；摘要未给统一效应量。 |
|||
| 2026-10-05 | MemCo: Memory-Centric Collaboration for Generalizing LLM Agents to Unseen Environments | |
|
|
• MemCo 通过互补局部与全局记忆，把环境细节和可迁移流程分开保存。 • 从局部执行轨迹归纳全局工作流，并按当前状态和决策阶段路由记忆，避免盲目移植其他环境细节。 • 交互决策基准显示任务成功率提高、重复探索减少；结论来自所测未见环境，摘要未报告统一增幅。 |
|||
| 2026-10-05 | PACMI: Provenance-Aware Cascading Memory Invalidation for Long-Term LLM Agents | |
|
|
• 同时保留历史证据并撤销过期记忆的当前有效性，防止错误沿依赖记录传播。 • 以带类型依赖的来源图和四状态有效性格管理记忆，级联更新并检查陈旧前提。 • 100 个案例、300 个查询上最终准确率最高；去掉传播后错误由 3 增至 11，但该成对差异未达显著。 |
|||
| 2026-10-05 | Off-Policy Merging Beats On-Policy Self-Distillation for Continual Learning | |
|
|
• 研究新任务更新如何干扰已有能力，并用早期检查点学习的参数增量保护知识保持。 • 在捐赠检查点学习更新，再缩放合并到后训练模型；分布差距大时屏蔽敏感方向。 • 多个持续学习设置优于直接 SFT 和在线自蒸馏的旧/新任务折中，结论依赖所测检查点与任务。 |
|||
| 2026-10-05 | The Optimization Landscape of Learning Compacted Context Models | |
|
|
• 分析以少量 KV 向量保留完整上下文行为时产生的脆弱、平坦优化空间。 • 刻画穿过冻结模型的压缩目标，并以简化 Perceiver 架构学习连续上下文压缩。 • 在金融、法律、文学与代码选择题中匹配完整 Perceiver 并改善压缩效用；证据限于所测任务。 |
|||
| 2026-10-05 | ReMem: Streaming Video Understanding With Long Context Retention | |
|
|
• 针对视频流增长时历史信息逐步丢失，联合压缩记忆与按查询读取的视觉记忆。 • Streaming Context Memory 持续压缩历史，Retrieved Vision Memory 选择相关证据补充 VLM 输入。 • 无需训练的适配在多项流式及长视频基准上取得领先结果；摘要未给出具体绝对分数。 |
|||
| 2026-10-05 | Capability-Driven Self-Evolution of Agent Memory | |
|
|
• 按具体记忆能力维度演化写入与检索程序，避免总分掩盖局部退化。 • 依赖感知选择优化目标，利用历史诊断与成对差异轨迹整合不同程序的互补收益。 • PrisMem 在 BEAM-1M 和 LongMemEval-M 比最强所测基线高 10.54 与 7.83 个百分点。 |
|||
| 2026-10-05 | MarvisNav: Making Memory Visible on Route Choices for Zero-Shot Object Navigation | |
|
|
• 将已探索进度绑定到可见路线候选，使 VLM 在同一空间表示中读取目标相关性与探索记忆。 • 维护拓扑图，将节点及超越二元访问标记的局部探索状态投影到第一视角。 • HM3D 达到 81.2% 成功率和 42.5% SPL，并有真实机器人验证；无需导航策略训练。 |
|||
| 2026-10-05 | Test-Time Adaptation of Reasoning Strategies with Bayesian Nonparametric Memory | |
|
|
• 把从解题和自反思中得到的行为策略保存为可动态重组的跨领域经验记忆。 • 用分层 Dirichlet 过程混合模型聚类策略，按后验预测检索，并在线更新统计量、增加新簇与重分配策略。 • AIME’25、Omni-MATH 和 PhysReason 上优于所测记忆模块，包含冷启动设置；摘要未给出统一增益。 |
|||
| 2026-10-05 | VideoTapestry: Query-Adaptive Memory Refinement for Multi-Agent Long-Video Understanding | |
|
|
• 用全局叙事、事件结构与局部关系三层记忆保存长视频证据，并按问题进行细化。 • 各层专门智能体重新观察相关片段，将新证据合并回分层记忆后作答，无需训练。 • 四个基准相对直接 GPT-5.5 推理提高 7.0–17.2 个百分点；结果针对所测长视频问答设置。 |
|||
| 2026-10-05 | Balancing Memory Pathways: Analyzing and Improving Memory Utilization in Hybrid LMs | |
|
|
• 揭示混合语言模型偏重注意力记忆、未充分使用循环状态的信息保持路径。 • 辅助损失限制注意力读取早期上下文，同时允许循环状态贯穿全序列，训练两条记忆路径协作。 • 多个模型及问答、智能体任务均获改善，长上下文与信息聚合任务收益更明显。 |
|||
| 2026-10-05 | MemPilot: Orchestrating On-Demand Multimodal Memory Curation for LLM Agents | |
|
|
• 在查询时按需整理原始多模态历史，避免预先压缩丢失后续需要的细节。 • 强化学习控制器在已有记忆检索和委派 LLM/VLM 整理之间选择，并联合分配证据量、模型与视觉访问。 • 五个多模态记忆基准显示较好的性能、成本与延迟折中；收益随优化偏好而变化。 |
|||
| 2026-10-05 | Recursive Video In-Context Learning for Agentic Robot | |
|
|
• 将示范视频保存为可逐层访问的事件记忆，按规划和执行阶段召回不同粒度的操作证据。 • 按抓取、释放等子事件构建关键帧、阶段、时刻和短片层级，通过只读工具按需展开当前子目标。 • 每任务一个示范使 LIBERO-PRO 成功率从 92.6% 到 96.5%、LIBERO-Plus 从 86.7% 到 95.8%；无需训练。 |
|||
| 2026-10-04 | ProactiveVLA: Augmenting Embodied Memory through Proactive Environment Exploration | |
|
|
• ProactiveVLA 用主动环境探索扩充持久交互知识，使后续任务不只复用重复练习所得经验。 • 代理自拟物体可供性与状态变化目标，验证执行结果，再把任务和探索经验巩固进指导规划的记忆。 • 同预算 LIBERO-Pro 和 RoboCasa365 实验优于基线；Goal-T 单次 VLA 原语条件下为 48% 对 19%，不代表全部真实环境。 |
|||
| 2026-10-04 | MemTrace: State-Consistent Memory for Long-Horizon Coding Agents | |
|
|
• 同时保存执行历史与仓库状态来源，避免上下文刷新后恢复已失效的证据。 • 不可变轨迹按文件、符号和测试锚定为依赖图，紧凑锚点重建任务状态，读取前检查当前有效性。 • 同骨干和执行框架下，DeepSWE、SWE-EVO、SWE-Milestone 分别提高 21.2、4.4 和 17.8 点。 |
|||
| 2026-10-04 | Enhancing Long-Video VLM Embeddings with Query-Aware Streaming Latent Reasoning | |
|
|
• 用持久潜在 think token 累积跨片段证据，在固定输出大小下保持长视频信息。 • 按时间顺序流式读取有界帧集，结合逐步对比监督与最终表示自蒸馏；支持查询相关或独立索引。 • 2B 和 8B 模型 HourVideo Hit@1 分别从 54.2 到 70.7、57.4 到 72.8；迁移只验证于所测骨干。 |
|||
| 2026-10-04 | PreAct-Nav: Agentic Reasoning Before Action for Urban Navigation | |
|
|
• 保存中程子目标与相关执行经验，减少长路线决策对瞬时观察的依赖。 • VLM 在动作条件世界预测下评估路线，执行后用真实观察纠正假设并延续或改写记忆中的子目标。 • 作者报告动作选择改善，长路线和多转弯路线收益更明显；摘要未给出绝对成功率。 |
|||
| 2026-10-04 | EVISKILL: Grounding Skill Evolution in Replayable Evidence | |
|
|
• 将执行观察保存为可重放证据卡，使持久流程修改能够追溯其支持情境。 • 用针对性重执行校验技能编辑，跨轮保留证据及暂获支持的修改，经过全局验证才纳入最终技能。 • 三个交互基准和六个骨干实验支持该流程；摘要未给出统一效果数值。 |
|||
| 2026-10-04 | ReMAP: Restoring the Perceptual Cycle with Reasoning-Time Latent Visual Memory | |
|
|
• 联合静态全局与动态局部潜在视觉记忆，补回长推理中逐渐减弱的视觉依据。 • 全局记忆保存场景关系，局部记忆按当前推理状态重编码区域，由强化学习策略决定何时读取。 • MuirBench 与 MIMIC 比先前最强结果高 8.38 和 14.84 点；匹配问题上视觉 token 减少 51.0–76.8%。 |
|||
| 2026-10-04 | Memadapter: Counterfactual Adaptation Against Memory-induced Sycophancy | |
|
|
• 研究正确记忆也可能诱发迎合的问题，将记忆影响控制与简单过滤区分开。 • 反事实推断识别风险，结合当前任务反思调整每条记忆的推理权重，再以证据支撑回答。 • 三个基准上持续改善记忆可靠性；摘要未提供统一幅度，不能推断所有迎合行为均被消除。 |
|||
| 2026-10-04 | AECG: Asymmetric Experience Consolidation and Governance In Multi-Agent Systems | |
|
|
• 治理流程经验的过时、弱证据与协调范围错用，避免污染经验反复进入推理。 • 保存协调范围，按置信度和多尺度可靠性检测退化，以风险排序复核，修改技能经成对重放后才恢复使用。 • 三个框架、四个基准中 11/12 设置最优；去掉范围保持最多下降 16.89 点，结论限于所测任务。 |
|||
| 2026-10-04 | Learning without Overwriting: A Theory of Self-Distillation and Supervised Fine-Tuning in Continual Reasoning | |
|
|
• 从推理路径结构分析自蒸馏与监督微调为何具有不同的旧知识覆盖行为。 • 将推理建模为图搜索，推导提示诱导稀疏更新的保持效应与路径密集更新的遗忘风险。 • 在理论假设下给出优化保证，并指出预训练多样性的作用；属于理论分析，不能当作通用实证保证。 |
|||
| 2026-10-04 | StateWise: Diagnosing and Repairing Persistent Operational State Before Agent Actions | |
|
|
• 在行动前定位并修复已失效的持久运行记录，防止旧环境或旧需求成为错误前提。 • 反事实重规划定位关键记录，再以只读事实核验、意图澄清和类型化证据写入带修复来源的更正。 • 150 个可执行案例中正确率为 93.3%，基线为 38.7%，所测场景未出现不安全行动。 |
|||
| 2026-10-04 | Task Vector Descent: Learning from Non-IID Batches | |
|
|
• 研究连续同分布数据更新如何导致旧知识退化，以及新任务位移应保留多少。 • 对每段训练产生的任务向量及优化器状态同步缩放，比较完整更新与部分整合。 • 跨预训练和后训练设置，中间缩放系数常改善持续模型表现；匹配学习率比较说明收益不能完全由学习率解释。 |
|||
| 2026-10-04 | TeleTune: Evolving Agent Skills From Offline Telemetry | |
|
|
• 从缺少目标、不可重放且任务交错的遥测日志中形成可复用文本流程技能。 • 根据动作预测错误提出技能库修改，仅保留提升留出预测的改动，并按工作流为新任务检索示例。 • WorkArena 与 Online-Mind2Web 成功率达 77.1% 和 80.6%；离线验证比在线执行少用 5–75 倍 token。 |
|||
| 2026-10-04 | Have I Scene This Before? Spatially Grounded Conversational Memory for Complex Queries in Egocentric Assistants | |
|
|
• 将用户陈述绑定到持久三维对象，联合保存空间证据与可更新的会话事实。 • 对象中心记忆结合重建与分割，并用 Ego-SpaCR 的 620 段视频和 3,100 个查询评测跨场景召回。 • 取得所测方法最高总体问答准确率并降低输入 token；去掉三维证据显著损害表现。 |
|||
| 2026-10-03 | Principles that Guide, Actions that Inform: Agent Evolution via Knowledge Abstraction | |
|
|
• SAGA 把具体执行经验分层抽象成情节、流程和有适用条件的原则记忆。 • 保留执行证据链接，召回原则后结合当前任务实例化，通过纠错和动作重采样形成持续更新闭环。 • ScienceWorld 和 ALFWorld 上性能改善，消融支持情境实例化与动作调节的重要性；摘要未给统一量化增幅。 |
|||
| 2026-10-03 | What to Preserve in Recursive Computation: A Local Predictive Sufficiency Principle | |
|
|
• 以局部预测充分性约束递归压缩，减少历史状态经过多次变换后的信息丢失。 • 在 CCM 记忆宿主上构造预测检验，仅在保留约束受损时投影优化器更新；主文另含其他递归领域。 • DailyDialog 和多会话聊天中相对对应压缩宿主改善，较大记忆深度收益更明显；并非所有领域都证明同等效果。 |
|||
| 2026-10-03 | RETRACE: From Entangled Repair Histories to Reusable Experience for CI Repair | |
|
|
• 从夹杂失败、回滚和无关改动的 PR 历史中恢复问题级修复经验。 • 结合最终有效改动的逆向视角和提交演化的正向视角，由 CI 证据对齐，保存为三层抽象并供新失败检索。 • 565 个 PR 的基准上，MiniMax-M2.5 Pass@1 从 19.6% 到 31.9%，DeepSeek 从 23.3% 到 32.8%。 |
|||
| 2026-10-03 | A Tropical Geometry View of Forgetting: A Per-Unit Projector for Knowledge-Preserving Fine-Tuning | |
|
|
• 用 ReLU 单元自身激活的旧 token 定义知识保护子空间，减少全层共享保护约束的浪费。 • 由热带几何推导逐单元投影与保护预算关系，并比较门控感知和随机、忽略符号的 token 集合。 • OPT-1.3B 在六种匹配预算下遗忘更少；OPT-6.7B 保持相当且学习更多，剪枝修复分析另揭示局限。 |
|||
| 2026-10-02 | A GHOST in Long-Horizon Agents: Governance Hazard from Overlooked Safety Constraints across Turns | |
|
|
• 研究早先声明的安全约束在长交互中被遗忘并导致违规执行的问题。 • 结合历史语义约束恢复与执行前确定性审计，并分析条件违规风险的累积。 • GPT-5.5 设置下基线出现 11.5% 违规，防护实验中未观察到违规；理论结论依赖风险序列假设。 |
|||
| 2026-10-02 | Decoupling Memory from Context: Structured Memory for Token-Efficient Test-Time Continual Learning | |
|
|
• 将跨查询形成的策略保存为图记忆，避免经验随共享上下文无限追加。 • 持续积累、细化并关联策略，每次查询仅取相关子图，在有界检索下维持稳定的读取规模。 • 作者报告下游性能具有竞争力，记忆构建 token 比基线少约 81–85%；摘要未给出统一性能增益。 |
|||
| 2026-10-02 | When History Fails to Become Experience: Action Calibration in Language Agents | |
|
|
• 评测智能体是否真正把历史动作与结果关联为可用经验，而非只利用更多上下文。 • 打乱动作及观察对应关系，并用结果标注与学习式校准器重新评估、选择性记录行动经验。 • 乱序仅造成较小退化；显式结果关联减少动作重复并提高成功率，结论限定于任务内历史使用。 |
|||
| 2026-10-02 | Skill2Real: Agentic Skill Learning for Zero-Shot Sim-to-Real Robot Manipulation | |
|
|
• 从模拟执行经验形成局部操作与高层组合两级可执行技能，并跨环境冻结复用。 • 提议、验证、治理循环诊断执行结果并批准记忆更新；高层学习时冻结低层技能，再整体迁移到真实机器人。 • LIBERO-Pro Long 成功率从 2.0% 到 56.3%，四项真实任务平均完成率 78.75%；迁移无需技能更新。 |
|||
| 2026-10-02 | Interpreting at Write Time: A Policy Ablation for Multi-Goal Agent Memory | |
|
|
• 分析记忆写入时的目标选择如何决定压缩历史中被保留的信息。 • 固定读取步骤，比较无目标摘要、合并全部目标摘要以及分目标独立摘要。 • 分目标摘要在相关性、完整性和准确性上更优；收益取决于未来查询与写入目标是否匹配。 |
|||
| 2026-10-02 | When to Compile a Computer-Use Agent? Measuring Payback and Making Compilation Decisions for Token Efficiency | |
|
|
• 研究何时应将执行经验编译成可复用程序，并把失败编译和界面变化纳入生命周期成本。 • 记录成功与失败编译费用，根据任务到达历史和复用收益决定编译，在累计预算内控制执行。 • 成功编译的估计回本次数为 2–16 次；回放到达序列的模拟相对 ReAct 节省 17.3% token。 |
|||
| 2026-10-02 | SlimKV: Joint Token-Feature KV Cache Compression with Reconstruction-Free Beacon Attention | |
|
|
• 把长历史写入低秩 beacon 记忆，在 token 和特征两个维度压缩并保持可召回内容。 • 低秩感知训练结合逐层秩分配，并利用位置编码不对称性直接在潜在空间读取。 • 4–8 倍压缩保留超过 96% 原模型 LongBench 分数，16–32 倍压缩领先所测基线；包含证据位置召回检验。 |
|||
| 2026-10-02 | Sentry: Learning to Recover from LLM Agent Failures at Test Time | |
|
|
• 将执行失败后的有效修复保存为条件化经验，避免把整套经验持续灌入上下文。 • 仅在检测到匹配失败时检索外部手册，独立验证恢复成功后才写入新经验。 • 跨基准平均优于最强运行时干预基线 37%，经验可迁移到留出任务；完整手册暴露反而降低表现。 |
|||
| 2026-10-02 | KV$^2$: A Self-Refining KV Cache | |
|
|
• 研究不依赖未来查询的上下文内容保留，通过选择性重构决定哪些 KV 记忆应保留。 • 先用轻量评分选取信息性 token，再仅重处理该子集，估计最终淘汰分数。 • RULER 16K 在 2% KV 预算下比次优基线高逾 40 个百分点；结果针对所测压缩预算和任务。 |
|||
| 2026-10-02 | A Step Towards Forgetting: Optimiser History and the Loss of Answer Mass | |
|
|
• 将旧知识遗忘分解为答案内部混淆和答案集合外的概率流失，分析优化器历史的作用。 • 按梯度年龄拆解 Adam 更新，并在匹配初始更新范数的条件下重置动量检验知识保持。 • 旧梯度主要推动答案概率流失；重置历史降低后续旧任务损失，但即时效果依赖模型状态。 |
|||
| 2026-10-02 | SEER: Self-Evolving Event Reasoning and Retrieval for Time Series Forecasting | |
|
|
• 把预测误差转化为后续可复用的检索经验与因果规则，而非只追加新闻。 • 分别维护查询扩展、事件筛选的反思记录和因果知识库；更新严格限定于当时已知证据。 • 六个波动时间序列基准上优于所测预测和语言模型基线；改进针对事件驱动预测场景。 |
|||
| 2026-10-01 | SEDIMA: Cross-Run Hierarchical Insight Memory for Evolutionary Search Agents | |
|
|
• 把搜索轨迹提炼为跨问题复用的持久自然语言洞见，减少重复探索失败路径。 • 按语义相似性组织分层洞见记忆，以注意力加权簇中心检索后续变异所需经验。 • 固定 100 个候选预算下，AlgoTune 与 ALE-Bench LITE 最终表现平均提高 5.5% 和 6.6%。 |
|||
| 2026-10-01 | Mitigating Private Data Leakage in LLMs with Whiteout | |
|
|
• 通过定向覆写减少模型重现已记忆的个人敏感信息，避免大范围知识删除。 • 构建有针对性的混淆样本，检验不同模型上的效用保持与黑盒、白盒适应性攻击。 • 作者报告优于所测遗忘方法且效用影响较小；摘要未给出统一泄漏率，不能视为隐私绝对保证。 |
|||
| 2026-10-01 | APDMem: Agent-Controlled Progressive Disclosure for Query-Adaptive Long-Term Memory | |
|
|
• 将会话历史组织为主题摘要、个人事实、轮次证据和原始消息四层记忆。 • 控制器按查询需要逐层展开，证据合成器整合事实、排列事件并标记矛盾。 • LongMemEval 上仅访问约 8% 会话即可取得较强表现；摘要未列出绝对准确率。 |
|||
| 2026-10-01 | Harnessing LLMs as Agents: What Does It Cost? | |
|
|
• 建立智能体记忆通信、访问方式和中间状态复用的资源理论。 • 以 LAM 抽象推导上下文与持久记忆容量、随机或顺序寻址及重计算次数之间的界，并分析验证可靠性。 • GPT-6 Astra 受控实验检验通信和可靠性预测；理论结论依赖固定语义模型与资源计费假设。 |
|||
| 2026-10-01 | How To Train Your World Model: Fine-tuning vs RAG for LM-based World Modeling | |
|
|
• 研究语言世界模型如何检索并复用探索得到的状态转移经验。 • 在五类环境中比较微调和经验检索，以反事实干预诊断召回错误，并结合参数动力学与主动维护的记忆库。 • 微调在 20 个设置中有 15 个获得更高奖励；混合系统进一步改善表现，但不同方式的数据效率不同。 |
|||
| 2026-10-01 | Fisher-Guided Submodular Data Selection for Continual Pre-Training of Large Language Models | |
|
|
• 把持续预训练数据选择视为知识遗忘控制，分析已承诺参数方向受扰动的机制。 • 将样本梯度分成高 Fisher 锚定方向和低 Fisher 可学习方向，以次模目标进行流式筛选。 • 医学适应实验中 10 亿筛选 token 在适应与遗忘指标上超过 100 亿 token 回放；证据范围限于所测模型和领域。 |
|||
| 2026-10-01 | Role-aware Heuristic Episodic Attention for Conversational LLMs | |
|
|
• 为全局指令与情节交互赋予不同保留策略，减少长对话中的注意力稀释和漂移。 • REA 保留指令前缀与用户输入，压缩模型回复，再按启发式选择原文、压缩表示或省略。 • Long-MT-Bench+ 分数从 6.32 升至 7.36，延迟改善 2.91 倍；评测含三个骨干及中英角色扮演。 |
|||
| 2026-10-01 | Madeleine: Learning Involuntary Recall for Conversational Memory from Simulated Lives | |
|
|
• 学习当前话语与不相似但相关生活记忆的联想召回。 • Madeleine 从模拟人生生成线索配对，在冻结相似度之上训练查询编码器的联想残差，在线不调用 LLM。 • 接入 HyperMem 得分 66.6，单独使用接近原 HyperMem 且上下文约为其 1/21；结果依赖官方 LoCoMo-Plus 协议。 |
|||
| 2026-10-01 | FlashBack: Knowing When to Remember in Streaming Vision-Language Models | |
|
|
• 研究历史视频记忆何时应被读取，避免不必要历史干扰实时感知。 • FlashBack 先判断历史证据需求，再用独立 Recall 轨迹及查询局部 Side-KV 融合长短期证据，不改持久 Native 状态。 • 在 OVO-Bench 和 StreamingBench 的多项记忆任务改善，实时能力大致保留；无需额外训练。 |
|||
| 2026-10-01 | Sleeping Secrets: How Fine-Tuning Reawakens Privacy Risks in Language Models | |
|
|
• 研究输出不可见的私有关联能否在少量再训练后恢复。 • ReGap 由模型生成候选并以似然筛选，再训练 LoRA，不提供秘密答案或私有辅助数据。 • 六模型提升 6–21 个百分点；已暴露关联恢复率 42% 到 63%，未暴露对照无增益，表明潜在记忆残留。 |
|||
| 2026-10-01 | Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States | |
|
|
• 将历史组织为当前世界估计和未完成需求的显式信念状态，研究持续更新与失效恢复。 • PoS 检查状态一致性及任务进展，识别无进展陷阱后按陷阱与需求类型恢复。 • 四个执行和诊断基准上取得所测最佳总体表现；消融支持一致性验证与恢复，未证明开放世界可靠性。 |
|||
| 2026-10-01 | Managing Context and Communication in Distributed Agentic UAV Swarms | |
|
|
• 将运行知识写为原子笔记，区分核心、本地和伙伴专属共享记忆。 • 按事件驱动推理维护状态，以接收者相关的语义新颖度和时效选择 gossip 传播。 • 模拟搜救全部运行完成，泛洪仅 70–85%；推理 token 约减半，证据限于十机仿真。 |
|||
| 2026-10-01 | Not All Experience Belongs in the Weights: Component Routing for Self-Improving GUI Agents | |
|
|
• 拆分定位器、流程、状态事实和教训，比较经验进入参数或上下文记忆的适合度。 • 同一经验池受控分流，以重复性和状态条件性预测去向，并检验写入参数后外部笔记读取变化。 • 在留出骨干 24/24 单元预测去向，平均比较优单一路径高 3.5 分；证据覆盖两环境三种子。 |
|||
| 2026-10-01 | SIEVE: Selective attention-value Suppression for Vision-Language Models Unlearning | |
|
|
• 对同一人的敏感与允许信息实施选择性遗忘，而非整体移除身份知识。 • SIEVE 抑制待忘信息的注意力值，并结合冻结保留模型匹配与序列目标。 • 跨模型、多模态实验报告隐私删除与保留权衡改善；有效性限于测试的信息和访问方式。 |
|||
| 2026-10-01 | Typological Alignment of Stack-Based Language Models on Mildly Context-Sensitive Artificial Languages | |
|
|
• 研究堆栈工作记忆限制与语言顺序偏好及跨序列依赖泛化的关系。 • 在多种人工语言中比较堆栈语言模型对层次与跨序列依赖的学习。 • 模型普遍难学跨序列依赖，但有限工作记忆反而改善泛化；证据为人工语言模拟，非自然语言普遍定律。 |
|||
| 2026-10-01 | Causal Memory Policy: Making Memory Utility Identifiable by Intervening on Retrieval | |
|
|
• 指出从未被召回的记忆无法仅靠存储级操作估计效用，影响保留决策。 • CMP 预留上下文槽按已知概率抽样记忆，并用逆倾向加权估计召回介导的因果效用。 • 必要记忆识别 AUC 从 0.54 升到 0.66，但已识别效用仍不能预测未见查询的保留价值。 |
|||
| 2026-10-01 | AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents | |
|
|
• 学习何时压缩探索历史、保存哪些工作状态以及如何从摘要继续。 • AutoCompact 先用纠正后的轨迹监督，再联合强化学习编码与压缩行为。 • SWE-bench Verified 和 SWE-PolyBench Verified 分别提升 9.2、5.0 个百分点；256K 不溢出窗口仍有收益。 |
|||
| 2026-09-30 | Action Conditioned Bisimulation For GUI Agent Memory | |
|
|
• 用动作结果而非页面视觉相似度决定何时合并 GUI 经验状态。 • 在经验预测状态图上，仅当共享动作的结果与后继块一致时按可供性标签合并。 • 闭环实验提高成功率，等探索绕行、旧合并规则及无动作条件版本无同样收益；证据限于 MiniWoB++。 |
|||
| 2026-09-30 | MEMO: Multi-Level Entity-Aware Memory for Streaming Video Understanding | |
|
|
• 按实体、场景语义和空间结构组织流式视频记忆，避免粗粒度压缩丢失细节。 • 轻量全局与实体表示作索引，高分辨率证据另存，查询时选择性回读。 • 在 StreamingBench 和 OVO-Bench 改善多个骨干；方案免训练，但需保存可回读视觉内容。 |
|||
| 2026-09-30 | RefCon: Iterative Refinement and Contrastive Memory Extraction for Context-Evolving Agent | |
|
|
• 从有噪交互轨迹抽取可复用记忆，研究无金标准时的推理计算扩展。 • RefCon 联合顺序自修订与并行自对比，多轨迹提高记忆质量。 • AppWorld 与 BFCL-V3 上 ACE、ReMe 相对提高 21.6%、16.6%；多样性变体在 ReasoningBank 提高 35.5%，收益与 token 成本相关。 |
|||
| 2026-09-30 | Beyond the Remembered World: Predictive 4D Belief for Persistent Navigation in Evolving Worlds | |
|
|
• 从带时间戳的物体历史维护位置持久性、迁移与未知位置的概率记忆。 • EvolvingNav 随时间传播信念，用可见性校准的正负观察更新，避免重复计入证据。 • EvoWorld-Bench 含 54 场景与 803,680 任务，仿真及实机改善搜索；收益在可学习时间模式下最明显。 |
|||
| 2026-09-30 | Faithful Dual-constrained Erasure for Robust LLM Safety Alignment | |
|
|
• 分析危险知识被表面抑制而非删除后，良性再训练使其复现的机制。 • FDCU 用 Fisher 约束保护一般知识，并以双掩码阻止异常启用抑制参数，引导目标表示擦除。 • 报告对再训练攻击更稳健且一般效用损失较小；为所测知识擦除与输出控制任务，非删除的形式保证。 |
|||
| 2026-09-30 | Forking: Sudden Overfitting Under Replay | |
|
|
• 分析数据重放下 n-gram 记忆分支对训练续写过度编码造成的突然过拟合。 • 通过受控模型研究重复更新、低频上下文及表拥挤程度如何改变已见与未见续写概率。 • 在基础训练及短预算重复 SFT、类 RL 设置复现损失分叉；更长训练或拥挤表能抑制，非所有重放必然失效。 |
|||
| 2026-09-30 | LatentHarness: Learning Latent Actions for Memory and Reasoning via Counterfactual Policy Distillation | |
|
|
• 将输入证据和中间推理状态保存在快权重记忆中，联合学习召回与继续计算的选择。 • 内部策略选择 THINK、RECALL 或 EXIT；单步反事实分支按输出 token 收益蒸馏策略与记忆保留。 • 六基准中一般及长上下文推理相对提升 2.8% 和 10.0%；相对最强长上下文基线推理快 5.9 倍。 |
|||
| 2026-09-30 | Persistent Context Graphs for Efficient Memory Compaction in LLM Agents | |
|
|
• 将历史注意力重要度与消息依赖保存为持久上下文图，供新请求选择记忆。 • ReCAP 联合已存重要度、当前相关性及依赖遍历保留消息和支撑上下文，选择阶段不额外调用模型。 • 估计压缩及冷恢复延迟下降约 95%；SWE-Together 历史量约减半且质量相当，延迟为估计指标。 |
|||
| 2026-09-30 | MemLife: Curating and Reasoning over Long-Term Egocentric Video Memories | |
|
|
• 将视频写为实体落地的第一人称文本情节，并研究增长记忆中的证据遗漏和检索竞争。 • MemLife 使用时间索引智能读取器；MemOpt 以强化学习优化写入忠实性、信息量和可检索性。 • 四个长期基准比最强免训练基线高 4.6–12.0%，写入优化再高 2.7–5.0%；查询时不访问原视频。 |
|||
| 2026-09-30 | ZoneClaw: Mitigating Persistent Memory Attacks by Establishing Memory-Zoning in OpenClaw-Style Computer-Use Agents | |
|
|
• 把持久保存外部声明与赋予行动权限分开，阻断跨任务记忆注入。 • ZoneClaw 设置分层信任区域和不对称权限进程，只有经可信区域交叉校验的内容才能晋升。 • 攻击成功从 372/480 降至 6/480，458/480 次保留效用；防御感知攻击覆盖有限场景。 |
|||
| 2026-09-30 | LabBook: Harnessing Experimental History for Efficient LLM-Driven Discovery | |
|
|
• 以可更新实验笔记指导完整实验日志的选择性读取和新程序生成。 • 每轮由同一智能体结合笔记与检索证据，同时输出下一程序和修订后的 LabBook。 • 49 个 Frontier-CS 问题上改善质量成本折中，并在另九任务有竞争力；结论相对所测演化基线。 |
|||
| 2026-09-29 | Eternal Sunshine of the Spotless Mind: Systematically Erasing LLM's Memories | |
|
|
• 研究删除请求后关联消息仍泄漏目标信息的问题，提出 DeLLM 记忆删除框架。 • 动态组装查询上下文，并维护消息来源图，沿依赖关系确定需要一并删除的内容。 • 实验报告较高删除率且保留效用；简单关键词或消息匹配不足，摘要未给出统一删除率。 |
|||
| 2026-09-29 | MemFold: Learning Compact Soft Memory for Long-Context Personalization via On-Policy Optimization | |
|
|
• 把用户历史偏好和约束压缩为固定数量软记忆向量，按读取后的任务行为优化。 • 联合组相对结果奖励与置信度门控的在策略蒸馏；文本记忆教师只重评分学生轨迹，推理时移除。 • PersonaMem 两种长度上取得所测最高准确率，并迁移到 PrefEval 和 LongMemEval；消融显示主要收益来自奖励项。 |
|||
| 2026-09-29 | Triadic Linear Attention: Three-Dimensional Recurrent States for Long-Context Sequence Modeling | |
|
|
• 将历史键值写入三阶张量记忆，以额外键轴扩大可寻址状态。 • 通过键、第二键和值的三元外积写入，用双查询收缩读取；兼容遗忘门、Delta 更新和分块并行训练。 • 报告长上下文语言建模与召回优于其他扩容方案；摘要未给出统一量化增益。 |
|||
| 2026-09-29 | Long-Term Memory-Guided Enhancement for Target Perception in Audio-Language Models | |
|
|
• 保存干净参考录音的类别隐状态，作为目标声音的长期表征记忆来抵抗声音干扰。 • 利用类别记忆重构输入音频 token，再与原 token 插值后送入冻结语言骨干；语音恢复另加可学习门控。 • 20 类诊断中分类增益为 29.53–46.15 个百分点；加门控的 Qwen2-Audio 词错率由 23.07% 降至 14.77%，证据为受控目标感知。 |
|||
| 2026-09-29 | MemEvo: Automatic Discovery of Streaming Video Memory Mechanisms | |
|
|
• 把持续视频观测的有界记忆设计转为可执行程序搜索，研究保留、巩固和召回机制。 • 领域语言显式规定表示、准入、保留、合并和预算；LLM 根据实验反馈提案，确定性流水线检验因果与容量约束。 • 在 StreamingBench 与 OVO-Bench 报告效果及效率改善；发现阶段依赖候选执行评估，运行时无需训练。 |
|||
| 2026-09-29 | Simple Agentic Memory for Generalist Robot Policies | |
|
|
• 按任务指令建立实体关系、进度和顺序状态，补足高层子目标中依赖历史的参数。 • SimpleARM 用感知与事件工具在线写入，结构化查询按需召回，再用当前视野重新定位实体；模型参数冻结。 • RoboMME 成功率 67.17% 对最强非 oracle 基线 44.51%；只验证回合内状态，使用基准专属解析规则，尚无真实机器人结果。 |
|||
| 2026-09-29 | EGSD: Event-Grounded Self-Distillation for Streaming Video Understanding | |
|
|
• 减少特权问题监督造成的记忆实体覆盖坍塌，保留未来未知查询所需事件。 • EGSD 以可验证实体、动作和细节重权教师信号，并将实体覆盖奖励与结果奖励结合。 • StreamingBench 79.8%、OVO 实时轨 73.4%；有效实体召回高 17.4%，记忆长度多 6.8%，为作者报告。 |
|||
| 2026-09-29 | UpliftMem: Learning Set-Level Uplift for Agent Memory Retrieval | |
|
|
• 按相对无记忆执行器的集合级收益学习召回哪些经验组合。 • UpliftMem 以样本信息价值选择训练期替代集合探测，冻结执行器训练评分器，测试时无需额外探测。 • 主测试集优于所测基线，固定库与同探测预算控制支持收益；理论闭式推导依赖相关高斯模型。 |
|||
| 2026-09-29 | SafeVantage: Vantage-Aware Memory for Reliable Embodied Decisions | |
|
|
• 为语义声明保存支撑视角、姿态和目标位置，将正证据与搜索覆盖分开。 • SafeVantage 预测候选位置可观测性，据预期决策损失选择观察，再结合证据决定肯定、否定或弃答。 • ProcTHOR 等受控测试改善风险与 F1；恢复支撑视角的 ScanNet 干预改善 VLM 回答，证据仍限于所测类别存在任务。 |
|||
| 2026-09-29 | CoEM: Empowering Long-Context Reasoning with Commit-on-Evidence Memory | |
|
|
• 延迟将原始证据压缩成事实，减少尚未看清用途时的不可逆信息丢失。 • CoEM 在待定集合保留原文，策略决定提交、继续等待或丢弃，冻结验证器检查事实支持并用步骤奖励训练。 • 6,400 文档输入设置中比最强记忆基线高 10.4–11.4 F1；结果限定该长上下文评测。 |
|||
| 2026-09-29 | AMU:Admission and Memory Update for Personalized Conversations---Structured Memory with SLM Guided Control | |
|
|
• 在写入时过滤临时请求、重复事实与过时用户状态。 • AMU 先结构化准入，再由小语言模型决定单独存储、去重丢弃或融合更新。 • 受控写入检索实验报告记忆更干净且易召回；摘要没有定量增益或长期部署证据。 |
|||
| 2026-09-29 | Watch-Think-Interact: Bootstrapping Long-Horizon Multi-Turn Streaming Video Reasoning with Reinforcement Learning | |
|
|
• 以时间标记文本记忆连接压缩摘要和可回读的原始视觉证据。 • 模型在回答、继续观察与回忆历史区间间选择；Stream-GDPO 联合训练时机、回读与记忆更新。 • WTI-82K 含 82,335 问题，StreamingBench 83.3%、OVO-Bench 73.6%；依赖可访问历史片段。 |
|||
| 2026-09-29 | When Should Agents Check External State? Budgeting Observations for Stored Intentions | |
|
|
• 为未来条件触发的已存意图分配外部状态检查预算。 • BudgetPM 提供局部效用门控和从整回合后见调度蒸馏的顺序策略，执行器强制统一硬预算。 • 静态版少 42–54% 观察仍保留 99.9–100% 质量；紧预算下顺序版提升 1.92–2.58 Set F1，收益依赖需求容量关系。 |
|||
| 2026-09-29 | ReMem: Rethinking Perception and Memory in Long-Context Recommendation Agents | |
|
|
• 在分块读取用户历史时持续维护定长偏好记忆，支持偏好变化。 • 顺序选择保留有效交互，并用多记忆 GRPO 将最终答案收益回传到中间记忆更新。 • 三个推荐任务平均提升 5.16%；框架同时含 OCR 感知，整体收益不能全部归因于记忆。 |
|||
| 2026-09-29 | Learning to Retrieve Missing Evidence for Long-Term Memory QA | |
|
|
• 利用已找到的证据发现问题中未明说的下一步检索线索。 • MERA 将全局记忆与问题证据状态分离，以强化学习奖励轻量规划器找回缺失证据。 • 0.6B 规划器搭配 Qwen3-30B 在 LoCoMo 达 77.40%、LongMemEval-S 达 71.29%；结果依赖证据处理与回答骨干。 |
|||
| 2026-09-29 | How Can Recommendation Feedback Evolve Agent Memory? | |
|
|
• 用延迟点击及转化反馈维护有容量约束的经验记忆种群。 • TIDE 分离时间、语义和所引用记忆的责任信用，再强化、交叉、变异或淘汰经验，以未来任务 MEG 衡量收益。 • 离线时间回放 MEG 高 7.75 个百分点，线上 A/B 提高点击及激活；信号仍依赖推荐环境与归因假设。 |
|||
| 2026-09-29 | ReLMem: Learning Recurrent Memory for Longitudinal EHR Modeling | |
|
|
• 把连续就诊记录更新为固定容量患者记忆，避免反复读取完整历史。 • ReLMem 用轻量压缩适配器递归写入，以相同查询下注意力输出对齐及最终预测监督保留证据。 • 药物预测存储降低 97.1%，同预算宏微 F1 比最强压缩基线高 4.66、4.75 点；不是临床疗效验证。 |
|||
| 2026-09-29 | VirusCascade: Hijacking Collaborative Reflection in LLM-Powered Recommender Agents | |
|
|
• 研究恶意证据经反思合理化写入偏好记忆，再跨智能体传播的攻击链。 • VirusCascade 联合调整语义叙述和传播结构，受控分析反思持久性与跨智能体放大。 • 四个数据集平均 E@20 为 0.384，比最强基线高 0.185；攻击效果限定于所测隐蔽性约束。 |
|||
| 2026-09-29 | EpiCon: Collective Agent Learning through Co-Evolving Multimodal Memory | |
|
|
• 让不同智能体通过持久多模态经验库共享执行经验。 • 独立 2B 控制器修订文本和视觉证据，树组织器分层巩固并检索经验规则，宿主参数不变。 • 11 基准四宿主配置比无记忆高 1.7–4.9 分，记忆操作耗时低 67–74%；跨系统收益取决于库与接口。 |
|||
| 2026-09-29 | Learning What to Remember: Long-horizon Counterfactual Memory Optimization | |
|
|
• 按每次记忆改写的当前与未来增量效用学习保留内容。 • MGPO 用反事实信用分配扣除旧记忆已贡献的收益，优化有长期价值的更新。 • 提高抽取效果且相对初始策略记忆平均缩短近 80%，支持跨域和读取模型迁移；主证据为结构化抽取任务。 |
|||
| 2026-09-29 | VideoLoop: Looped Working Memory Against Semantic Thrashing in Long-Form Video Agents | |
|
|
• 研究工作记忆不断追加后关键证据被噪声淹没的现象。 • VideoLoop 外层获取证据，内层从文件历史召回并改写有界工作记忆，主动移除累积噪声。 • VideoMME 长视频平均提升 4.2 个百分点；最难四分之一问题的仅上下文评判准确率为 81.1% 对 60.9%。 |
|||
| 2026-09-29 | Beyond the Timeline: Augmenting Long-Video Memory with Grounded Entity Biographies | |
|
|
• 把跨片段的同一物理实体观测聚合成可检索传记，同时保留事件上下文。 • GEB 在写入时建立视觉身份链接，查询时联合读取实体传记与情节证据。 • 四基准含日级和周级视频，EgoLifeQA 准确率 72.0%，高于所引最佳结果 4.4 点；消融支持身份关联和读取。 |
|||
| 2026-09-29 | What Pretraining and Midtraining Make Learnable from Rewards? | |
|
|
• 研究奖励相同却需要不同未见答案时，预训练如何建立可被奖励调用的检索能力。 • 构造源预测到奖励适配的有限 Adam 路径，并在上下文记忆实验用回放保持检索。 • 独立八世界实验成功率为 75.32% 对替代检索训练的 49.86%；形式构造与受控世界不等于开放任务保证。 |
|||
| 2026-09-29 | Personalized State-Transition-Aware Memory for Clinical Agents | |
|
|
• 显式保存患者状态转移，区分当前有效信息与被替代但仍有历史价值的记忆。 • STAM 结合语义检索和类型化临床关系，将记录维护到 Active 或 History，按查询门控历史读取。 • 在四个临床基准使用问答、直接状态诊断和近似等上下文比较；摘要未给结果数值，不声称临床验证。 |
|||
| 2026-09-28 | CyFA: Linear Sequence Modeling with Relative-Time-Partitioned Memory | |
|
|
• 按相对时间分区保存历史键值，缓解固定状态内早期关联难以召回的问题。 • 学习时钟共同循环搬移键和值状态，新关联写入零龄槽；坐标变换支持分块训练。 • 同状态容量下召回更强，400M 的 FDA 得分 42.60 对 KDA 的 26.07；结果限于所测预训练与召回设置。 |
|||
| 2026-09-28 | Fractional State Space Transition for Long Sequence Modeling | |
|
|
• 用幂律长记忆替代指数遗忘，使有界循环状态保留更广时间尺度的信息。 • FRAC 以对数间隔指数模态的有限和逼近分数阶核，支持并行训练与有界状态解码。 • 报告长上下文性能优于 SSM 基线并保持短上下文竞争力；有限模态是对重尾核的近似。 |
|||
| 2026-09-28 | Audience-Bound Persistent Memory: Authorization Across the Memory Lifecycle | |
|
|
• 为原始和派生记忆保存授权受众，避免跨会话组装上下文时泄漏。 • 派生内容继承来源受众交集或分区；只有显式授权可扩大范围，未知观看者按公开内容处理。 • 在 10,000 个冻结多人历史中未准入禁止项；保证依赖身份、来源和完整中介假设，部分联合判据因基线事件过少未成立。 |
|||
| 2026-09-28 | Thinking Outside the Box: Retention and Transmission of Information in Sliding-Window KV Inference | |
|
|
• 研究源词元离开滑动 KV 窗口后信息能否保留。 • 在五个模型中比较复用缓存状态与重新计算末尾原始窗口。 • 发现潜在信息传递，在两个采用滑窗架构的模型最强；训练原因仍待验证。 |
|||
| 2026-09-28 | From Attack Success to Attack Severity: Counterfactual Memory Attacks on LLM Agents |  |
|
|
• 用反事实遗憾衡量持久记忆攻击的严重程度。 • MemHarm 利用配对下游损失选择有依据的语义编辑。 • 相同攻击支持范围下，以严重程度选取编辑比只优化成功率造成更大损失。 |
|||
| 2026-09-28 | PersMem: Internalizing Personality into Dual-Pathway Memory for LLM Agents | |
|
|
• 让人格设定直接影响记忆处理。 • PersMem 用人格参数控制情绪评价、保留、被动检索和目标导向筛选。 • 产生可区分的处理轨迹并改善对话指标，评测反映行为一致性。 |
|||
| 2026-09-28 | Just-In-Time Agent Memory with Runtime Agentic Research | |
|
|
• 在运行时按当前问题构建记忆上下文。 • JAM 用层级页面存储保留原始历史，并训练主动找证据的研究智能体。 • 报告优于预先构建记忆的任务表现，成本低于既有训练式智能体记忆方法。 |
|||
| 2026-09-28 | Remember by Asking: Retrieval-Induced Memory Evolution for LLM Agents | |
|
|
• 通过聚焦证据的自提问与检索构建记忆。 • RIME 整合对话证据和既有记忆，必要时回查原始上下文。 • 在 LoCoMo 三项质量指标上领先对照，同时减少查询阶段词元。 |
|||
| 2026-09-28 | Remember Before You're Asked: MemDream for Self-Probing Memory Evolution | 
|
|
|
• 在真实问题暴露失败前主动探测并修复记忆。 • MemDream 结合离线梦境循环、学习式修复策略和可逆衰减。 • LoCoMo F1 提升 4.5 分，MemoryAgentBench 总分提升 9.1 分。 |
|||
| 2026-09-28 | Single-Layer MeMo as a Randomized Hamming-Kernel Classifier | |
|
|
• 将单层 MeMo 分析为随机化联想分类器。 • 相对汉明核预测器推导上下文草图与输出解码误差。 • 模拟和受限 WikiText-2 实验支持分析，但不证明完整语言模型能力相当。 |
|||
| 2026-09-28 | FlowState: Execution State as Memory for Long-Horizon LLM Agents | |
|
|
• 将执行状态保留为可重访的长程记忆。 • 类型化节点保存关系和原始观测引用，支持增量更新与渐进访问。 • MemoryArena 与 tau3-Bench 分别提升 4.55、13.95 个百分点，词元减少约四成。 |
|||
| 2026-09-28 | GenMem: Generative Symbolic Memory for Self-Evolving Harness | 
|
|
|
• 将演化记忆访问建模为生成式符号寻址。 • 稳定层级标识符把检索策略与持续修改的记忆内容解耦。 • 在交互和推理任务上评估离线演化，结论限于受测记忆设置。 |
|||
| 2026-09-28 | EP-Mem: Elastic Privacy Memory for Social Relationship-Aware LLM Agents | |
|
|
• 按用户定义的社会关系边界控制记忆披露。 • 结合人物与事件策略，在生成、存储和检索阶段执行约束。 • 在新建及迁移评测中报告泄露减少 75.6%，披露权限判断改善。 |
|||
| 2026-09-28 | Sprout: Building Dynamic Memory While Reasoning for Agentic Video Understanding |
 |
|
|
• 在回答问题的过程中增量构建视频记忆。 • 持久时间树结合粗粒度观测和针对性的高分辨率重访。 • 以更低上下文成本达到或超过受测离线记忆方法，无需预先处理完整视频。 |
|||
| 2026-09-28 | From Experience to Expertise: Adoption-Aware Memory Learning for Data-Scarce NPU Kernel Synthesis |
|
|
|
• 依据经验是否实际被采用来学习可复用编程记忆。 • SAGE 估计采用感知效用，并把反复有效的规则巩固到有界上下文。 • NPUKernelBench 执行率达 95.5%，最强受控对照为 84.1%。 |
|||
| 2026-09-27 | How Linear Attention Remembers | |
|
|
• 解释线性注意力状态中的选择性召回与干扰。 • 结合分析分解，以及预训练模型的写入、保留和读取因果干预。 • 受测范围内负载比经过的上下文更影响召回；混合模型常依赖全注意力状态。 |
|||
| 2026-09-27 | Beyond Memory Construction: Rethinking Memory Access for LLM-based Conversational Agents | |
|
|
• 将原始交互作为对话记忆的核心记录。 • Threader 采用增量主题分段、多视图检索及局部证据匹配。 • 相对重写式方法，报告更高回答准确率和证据召回，并降低构建成本。 |
|||
| 2026-09-27 | ActiveMem: Dynamic Latent Memory Trees for Long-Horizon Agents | |
|
|
• 将流程经验组织为保留依赖关系的记忆树。 • ActiveMem 用强化学习学习状态相关路径检索、记忆扩展与剪枝。 • 在受测智能体基准上报告任务完成、稳定性和效率改善。 |
|||
| 2026-09-27 | Grounding Memory Summarization in Utility Intent | |
|
|
• 让记忆摘要与下游证据效用对齐。 • MemSuit 蒸馏受问题监督的教师条目，并适配紧凑事实检索。 • 报告多类对话问题收益，学生构建记忆时仅需原始对话。 |
|||
| 2026-09-27 | TRACE: Governing Memory Validity in Evolving Multi-Agent Systems |
 |
|
|
• 管理返回协作的智能体能否继续使用既有记忆。 • TRACE 对齐离开时检查点和期间更新，生成有界的有效记忆视图。 • 兼顾有效信息保留与陈旧信息拒绝，但收益伴随额外词元成本。 |
|||
| 2026-09-27 | Positions Are Not Facts: The Mismatch Between KV Caches and Memory | |
|
|
• 研究将 KV 缓存用作记忆时的语义更新。 • 比较值或记录掩蔽、删除重算，并检查依赖信息的保留。 • 更新数值可能破坏单位和历史回答，缓存位置不能直接等同于可编辑事实。 |
|||
| 2026-09-26 | Authority Before Utility: Non-Compensatory Control for Persistent LLM Memory | |
|
|
• 区分记忆的使用效用与授权状态，研究已删除或撤销内容仍被召回的问题。 • 在 Memora Remembering 上比较硬排除与开发集锁定的归一化软惩罚，保留当前值并阻止遗忘值泄漏。 • 185 个留出单元上错误率为 4.04% 对 19.66%；原预注册主实验被隔离，替代诊断不证明所有标量控制失效。 |
|||
| 2026-09-26 | KeyRec: Bounded Visual Memory for Streaming and Long-Video Understanding |
|
|
|
• 为流式与长视频问答构建有界视觉记忆。 • 结合近期细节缓存、事件库及按问题分配的读取预算。 • 仅用完整视觉词元预算的 10%，在 15 个设置中的 13 个领先压缩基线。 |
|||
| 2026-09-26 | BMA: Backchain Memory Attacks Create Unauthorized Control Paths in LLM Agents | |
|
|
• 研究低可信证据经持久记忆影响后续行动的攻击路径。 • BMA 从目标行动反推证据编辑，并用干预核验记忆介导关系。 • 认证成功率为 18.8%，对照为 13.4%；绑定来源的授权控制可降低风险。 |
|||
| 2026-09-26 | Agentsensus: Consensus-Compressed Shared Memory for Multi-Agent Story Worlds |
|
|
|
• 将共享故事事件压缩为共同持有的记忆记录。 • Agentsensus 合并多个角色见证的事件，并链接相关记录。 • 写入条目减少 22–44%，裁判评估质量相近，且共享随流程延长而增长。 |
|||
| 2026-09-26 | Delayed Supervision for Test-Time Language Models | |
|
|
• 训练测试时记忆在延迟查询前保留事实。 • 在无关事件之后通过一次性分支监督问答，区分保留与修订。 • 多个循环模型的召回改善，但延迟本身的贡献尚未与一般问答监督完全分离。 |
|||
| 2026-09-26 | ALLOT: Budgeted Hybrid-Memory Routing for Knowledge Updates in LLMs | |
|
|
• 根据超越检索的增量价值分配有限参数写入。 • ALLOT 外部保留全部事实，结合文本、检索置信和关系元数据排序更新。 • CounterFact 上 20% 写入预算达到 0.760 准确率，恢复同预算理想增益的 78.4%。 |
|||
| 2026-09-26 | Shared Worlds, Private Minds: Structured Memory for Long-Form Writing as World Creation |
|
|
|
• 为一致的长篇写作构建结构化故事世界记忆。 • NarraWorld 分离事实、信念、未决发展与假设分支，并支持可追溯汇聚。 • 三个写作基准汇总结果领先，并可迁移到角色扮演和一般召回。 |
|||
| 2026-09-26 | Learning from Others, Acting for You: Cross-User Memory Sharing for LLM Agents |
|
|
|
• 共享可复用经验，同时保留接收用户的偏好边界。 • ShareMem 分离流程指导与偏好值，并采用两阶段巩固。 • 四个骨干在三个领域改善，但来源质量和偏好干扰仍限制迁移。 |
|||
| 2026-09-26 | MemAgent: Learning to Manage Heterogeneous Memory Providers for LLM Agents | |
|
|
• 在异构记忆提供方之间路由，避免依赖单一表示。 • MemAgent 学习预检索探测、短期门控和选择性存储。 • 三个基准平均准确率报告提升 10.0%，路由开销低于 0.3%。 |
|||
| 2026-09-26 | Beyond Dyadic Memory: Interaction-Aware Multimodal Memory with Adaptive Agentic Retrieval for Multi-Party Spoken Conversations |
|
|
|
• 维护面向多人语音对话的交互感知记忆。 • VoxPolyMem 结合说话人识别、分层记忆和按证据增益训练的检索决策。 • VoxPolyBench 得分 85.0，领先最强受测对照 23.6 分，并在两个数据集迁移改善。 |
|||
| 2026-09-26 | ProTTT: Learning to Learn Semantic User Memory with Test-Time Training |
|
|
|
• 通过测试时训练学习持续变化的用户语义记忆。 • ProTTT 用用户画像监督元学习初始化，再依据历史更新紧凑用户参数。 • 优于受测上下文和参数化对照，并降低推理成本、跟踪偏好变化。 |
|||
| 2026-09-26 | EMIR²: Evolution-Aware Memory with Intent-Guided Multi-Round Retrieval | |
|
|
• 跟踪演化知识并自适应补充缺失证据。 • EMIR2 结合状态演化记忆图和意图引导的多轮检索。 • 改善 LoCoMo 与 MemConflict 的冲突处理和复杂检索，收益因类别而异。 |
|||
| 2026-09-26 | Retrieved but Not Delivered: Multimodal Memory Delivery for Long-Term Agents |
|
|
|
• 区分检索到证据与如何向多模态模型呈现证据。 • DeliverMem 在匹配检索条件下保留原模态、条目身份和时间戳。 • MemLens 上呈现方式的测得影响大于完美检索，并改善两个评测集表现。 |
|||
| 2026-09-26 | Contract Memory Compiler: Resolve, Then Traverse | |
|
|
• 先解析变化关系，再为多跳记忆问题选择证据。 • CMC 提取带来源关系，应用更新，并沿当前关系访问原始记录。 • FactConsolidation 多跳准确率达 78.25%；先选证据后更新降至 21.50%。 |
|||
| 2026-09-26 | Self-Evolving Time-Series Forecasting Agents with Episodic Memory and Online Policy Learning |
|
|
|
• 通过情节记忆和在线指导复用延迟预测反馈。 • FASE 检索已完成案例，并将累积结果归纳为行动排序策略。 • 二十九个设置中，相对最佳单一基座模型归一化 MAE 降低 9.1%。 |
|||
| 2026-09-26 | Decision-Sufficient State Representations: Measuring and Reducing Write-Time Regret | |
|
|
• 将连续记忆重写造成的信息损失量化为写入时遗憾。 • DSSR 根据状态继续更新后的读者结果训练写入器。 • 短延迟成功率提升七个百分点，长延迟收益减弱，归因仍是瓶颈。 |
|||
| 2026-09-26 | The Key Handoff: Retrieval in Hybrid Language Models | |
|
|
• 追踪混合模型如何在层间传递检索键。 • 用隐藏状态迁移和循环记忆编辑区分实体寻址与位置线索。 • 注意力转换检索键，循环层可传递并再次查询，十二个模型间行为存在差异。 |
|||
| 2026-09-25 | HasMem: Hard-Origin Adaptively Softened Memory for Long-Term LLM Agents | |
|
|
• 从可核验硬提示初始化出发调整连续记忆容量。 • 控制器调整条目宽度，写入器、读取器和全局状态共同适配。 • 两项评测的词汇 F1 提升，但精确匹配下降，收益不能简单等同于准确率改善。 |
|||
| 2026-09-25 | COUNTERMEM: World-Model Verified Counter-Factual Memory for Language Agents | |
|
|
• 从经过验证的替代行动中构建可复用反事实记忆。 • 用可执行世界模型检查局部修正，并学习选择或跳过记忆。 • 十二个设置平均提升 12.6 个百分点；词元节省未计离线训练成本。 |
|||
| 2026-09-25 | EngramRAG: Dynamic Usage-Weighted Topology and Synaptic Consolidation for Multi-Hop Agentic Memory | |
|
|
• 提出具有后台巩固过程的自适应图记忆。 • 结合使用加权 PageRank、拓扑保留策略、版本过滤和混合检索。 • LoCoMo 上 Recall@5 从稠密检索的 38.29% 升至 53.21%，长期保留结果含模拟实验。 |
|||
| 2026-09-24 | Scope Before You Persist: Preventing Cross-Family Interference in Agent Memory | |
|
|
• Scoped-ORC 将持久技能修改限制在已经获得验证的任务族内使用。 • 在冻结模型的修复任务流中，区分执行验证门控与后续检索作用范围。 • 27 组配对任务流中效用提升 0.063；作者报告所接受的 63 次更新均未出现有害接受。 |
|||
| 2026-09-24 | ALOE: Semantically Addressed Low-Rank Operators for Knowledge Editing |  |
|
|
• ALOE 将知识编辑视为同时包含记忆写入与语义寻址的问题。 • 用改写和困难负例训练门控低秩算子，将其嵌入单个 MLP 层，无需外部检索器。 • 三个模型家族中编辑有效性为 0.955–0.999、局部性为 0.981–1.000；残余错误集中于改写覆盖和写入拟合。 |
|||
| 2026-09-24 | C3M: Cross-Session Multimodal Memory Maintenance for Long-Horizon Tasks | |
|
|
• C3M 在持久化跨会话图文证据之上维护容量受限的多模态记忆索引。 • 关系感知合并保留互补和冲突记录，查询时在预算内选择索引并展开来源证据。 • 设计强调时间差异与证据溯源；摘要未提供量化基准结果。 |
|||
| 2026-09-23 | CAVE-Mem: Boundary-Aware Experience Validation for Memory Search | |
|
|
• 将历史搜索经验表示为带适用边界的干预算子，研究相关经验何时会损害记忆问答。 • 先生成基础答案，再按记忆载体、回答粒度、证据边界与交叉拟合效用决定是否应用经验；不匹配时放弃干预。 • 作者报告在会话记忆、多跳问答和长文叙事上优于仅按相关性复用经验；摘要未提供统一增益数值。 |
|||
| 2026-09-23 | Self-Evolving Multimedia Verification through Memory Consolidation of Contestation Experiences | |
|
|
• SEMV 将经过验证的争议修正经验写入记忆，同时保留冲突和来源。 • 以论证结构连接证据、人工质疑和因果修订，并对可复用经验实施验证门控。 • 作者报告 COSMOS 准确率为 91.88%，在所测设置下将负迁移由 5.7% 降至 0.2%。 |
|||
| 2026-09-23 | EnSIMem: Entity-Structured Indexing for Long-Term Agent Memory | |
|
|
• EnSIMem 用实体及属性组织智能体长期记忆，避免匿名片段难以定位的问题。 • 按情节建立索引并保留来源轮次与时间信息，再依据查询需求检索实体属性证据。 • 作者报告在紧凑上下文下获得较高回答准确率；摘要未量化性能增益。 |
|||
| 2026-09-23 | Memory Control Signals Emerge Before Action in Long Horizon Agents | |
|
|
• PaMER 从动作前隐藏状态识别智能体的压缩与回忆需求。 • 将状态驱动压缩与外部证据检索结合，PaMER+ 进一步按步骤选择历史证据。 • WorkBuddyBench 实验报告在维持任务表现的同时降低上下文消耗，相关信号无法仅由历史长度解释。 |
|||
| 2026-09-23 | Just-in-Time Memory: Learning to Curate Task-Adaptive Memory for LLM Agents | |
|
|
• JitMem 将经验整理推迟到读取时，使记忆内容适应当前任务。 • 保留原始轨迹，由整理器生成任务专用记忆，并利用当前任务的成功反馈训练。 • 作者报告在 ALFWorld、WebShop 和 τ²-bench 上较最强基线分别提升 16.2、16.3 和 3.9 个成功率百分点。 |
|||
| 2026-09-23 | NavProbe: Evidence-Grounded Reasoning with Active Memory Retrieval for Zero-Shot Navigation |  |
|
|
• NavProbe 在紧凑上下文不足时主动检索历史导航证据。 • 地点、转移和地标索引将摘要连接到视觉几何记录，并支持动态修订子目标。 • 作者报告 R2R-CE、RxR-CE 和 HM3D-v2 ObjectNav 成功率分别为 71.7%、55.3% 和 79.3%；实体演示为定性验证。 |
|||
| 2026-09-23 | Learning from Failures: Heterogeneous Graph Memory for Small Language Model Tool-Using Agents | |
|
|
• FRESH 将工具调用的成功与失败经验组织为异构图记忆。 • 显式关联任务、动作、错误、修复和前提条件，供冻结模型在保留因果语境的情况下复用。 • 作者报告在 τ-Bench 和 AppWorld 的多个开放模型上改善成功率与工具可靠性；摘要未列具体增幅。 |
|||
| 2026-09-23 | Complementary Roles of Activation and Parametric Memory in Few-Shot Learning | |
|
|
• 受控实验区分少样本学习中的激活记忆与参数记忆。 • 比较事实召回和任务学习，并分析两种记忆读取路径所激活的神经元。 • 激活记忆更利于召回，条件算术受益于两者协同；参数更新并未在任务学习中稳定占优。 |
|||
| 2026-09-23 | OCC4M: Object-Centric 4D Memory for Spatiotemporal Reasoning in Long-Horizon Manipulation | |
|
|
• OCC4M 用对象中心记忆支持对当前视野之外历史状态的推理。 • 持久四维轨迹记录身份、运动和包含关系，由视觉语言模型查询并选择行动目标。 • 仿真记忆成功率为 96.6%、任务成功率为 88.9%；实体两阶段任务完成率为 45%，仍存在执行限制。 |
|||
| 2026-09-22 | ChipMEM: Verification-Grounded Memory for EDA Agents | |
|
|
• ChipMEM 为 EDA 智能体区分跨任务流程记忆与轨迹内恢复统计。 • 技能通过综合、仿真或形式验证后才入库，并用贝叶斯统计排序错误恢复策略。 • 等价验证通过设计由 35/54 增至 39/54；另一个 20 任务留出实验每种设置仅评测一次。 |
|||
| 2026-09-22 | Rewired or Gated? How Instruction Tuning Shapes Knowledge-Conflict Circuits in LLMs |
 |
|
|
• 该研究考察指令微调如何改变参数记忆与冲突提示之间的竞争。 • 使用五类归因与干预方法，在三个模型家族中比较基座与指令微调版本。 • 结果更支持对既有后层注意力头重新赋权，而非替换电路；面对更完整的证据式包装时，对简短虚假上下文的鲁棒性会消失。 |
|||
| 2026-09-22 | When Does Execution Provenance Help Agent Memory Retrieval? |
 |
|
|
• 该研究衡量智能体记忆能否在令牌预算内找回完整执行证据。 • 用与来源对齐的溯源单元改善候选粒度，再通过残差 R-GCN 沿有类型的执行关系修正检索。 • 在 2,000 条查询上，溯源单元较固定窗口提升 19.07 个 Full Support@2048 点；固定候选后，图传播另增 4.55 点。 |
|||
| 2026-09-22 | SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue |
|
|
|
• SpeakerMem-R1 分别保存带说话者归属的原始消息与结构化对话状态。 • 检索时结合个人和群体视图，并通过说话者相关奖励与 GRPO 训练可本地部署的写入模型。 • 在 GroupMemBench、SocialMemBench 和 EverMemBench 上报告二元准确率 47.9%、69.2%、61.9%；其协议与排行榜报告不同。 |
|||
| 2026-09-20 | PSD: Pseudo Self-Distillation of Memory Representation Capabilities for LLM Agents |
|
|
|
• PSD 将黑盒教师的分层记忆构建能力迁移到小语言模型。 • 同一个小模型分别充当使用特权提示的教师和普通提示的学生，无需访问黑盒模型的 logits 或隐藏状态。 • 0.6B 至 4B 的 Qwen3 在 LoCoMo 检索上达到或超过 GPT-4.1-mini，并能迁移到未参与训练的 LongMemEval。 |
|||
| 2026-09-20 | Propose, Verify, Commit: Evidence-Grounded Memory for Long-Horizon Multi-Actor Conversations |
|
|
|
• EGMEMORY 将多人对话记忆建模为持久证据与显式当前状态。 • 通过基于证据的提出、验证、提交协议管理写入，并以自适应导航检索状态及支持消息。 • 报告 GroupMemBench、EverMemBench、LoCoMo 得分分别为 68.2%、77.9%、73.6%；代码计划在正式发表后发布。 |
|||
| 2026-09-20 | PREM: Prefix-Steered Recurrent Memory for Long-Video Understanding |
|
|
|
• PREM 为冻结视觉语言模型将长视频证据存储在紧凑循环状态中。 • 循环写入器生成 256 KiB 关联记忆，再按问题调节已有提示前缀的键和值。 • 在六个基准上，16 帧预算设置的宏平均准确率提升 3.06%；相关调优参数占基座的 0.24%。 |
|||
| 2026-09-20 | Total Cost of Agency: Exact Attribution of Memory Injection Cost in Multi-Agent LLM Workflows |
|
|
|
• Total Cost of Agency 单独归因多智能体流程中注入检索记忆的令牌成本。 • 在 200 个企业任务上，通过两遍令牌计数将记忆注入与其他流程成本分开。 • 记忆注入约占实际计费成本的 12%；缩小检索容量使注入令牌减少 28.7%，但未评估提示缓存。 |
|||
| 2026-09-18 | MACE: Memory-Agent Co-Evolution with Adaptive Memory Graphs for Multi-Agent Systems |
|
|
|
• MACE 联合演化多智能体流程记忆及智能体使用记忆的方式。 • MemGoG 将条件、动作和输出组织为关联子图，再用执行反馈调整检索及指令或检查清单的呈现方式。 • 八个基准上的平均得分为 81.11%，最强对比基线为 78.97%。 |
|||
| 2026-09-18 | AutoViewMem: Self-Configuring Orthogonal Views for Conversational Long-Term Memory |
|
|
|
• AutoViewMem 在建立索引前，将对话记忆组织为相互补充的语义视图。 • 从交互轨迹中发现视图，在写入阶段抽取带来源的记录，并离线整合，以支持普通 top-K 检索。 • 在 Qwen3-8B/14B 上的 LoCoMo 与 PersonaMem 实验报告长期问答和个性化提升，无需迭代检索。 |
|||
| 2026-09-18 | An Interpretable Memory Decision Controller for LLM Agents Based on Three-Signal Complementarity: Decoupling Confidence and Consistency |
|
|
|
• Memory Decision Layer 判断存在冲突时检索到的记忆是否应影响生成。 • 无训练参数的控制器通过几何投影融合相关性、可靠性和任务风险，并引入显式弃答与风险反转。 • 摘要报告一般冲突场景下幻觉率约降低 56.04%，单次决策约耗时 0.14 毫秒；结论限定于其评测设置。 |
|||
| 2026-09-18 | Designer-RSI: Evolving Procedural Memory from User Traffic for Agentic Graphic Design |
 |
|
|
• Designer-RSI 在冻结模型的同时，通过外部记忆积累可复用的图形设计流程。 • 技能库为未覆盖子任务增加流程，并依据执行反馈修订已有技能，通过匹配重放检查性能回退。 • 五轮迭代将技能从 76 项扩至 139 项，报告的 GenEval2 执行成功率由 72.7% 升至 99.3%；反馈来自自动评分。 |
|||
| 2026-09-17 | LearnActCoder: Role-Aware Error Memory for Adaptive Clinical Coding Agents |
 |
|
|
• 提出 LearnActCoder，将带标签病例中的错误转化为临床编码智能体可复用的角色化记忆。 • 通过 MistakeKDB 将漏报经验提供给重召回的 Coder，将误报经验提供给重精确率的 Judge。 • 回顾性 MIMIC 实验中 CPT F1 等指标有所提升，但 ICD 结果及精确率与召回率权衡表明收益依赖任务。 |
|||
| 2026-09-17 | JustMem: Just-Enough Memory Access for Long-Term Conversations |
|
|
|
• 提出 JustMem，同时自适应调整长期对话记忆的搜索范围与读取保真度。 • 存储紧凑原子记忆，分别使用 LOOKUP 查找局部事实、COMPOSE 组合分散证据、REPLAY 回读原始上下文。 • 在 LoCoMo 和 LongMemEval-S 上取得对比方法中最高的平均准确率与召回率，同时减少构建和推理 token 消耗。 |
|||
| 2026-09-17 | AdaRepair-Mem: Adaptive Experience Orchestration for Repository-Level Program Repair |
|
|
|
• 提出自适应代码修复经验编排，处理记忆覆盖不足、检索噪声和不同修复阶段的经验失衡。 • 结合覆盖感知回退、质量排序与阶段感知检索，分别支持复现、定位、补丁、改进和验证。 • 在 SWE-bench Lite 和 Verified 上改善经验不足仓库的修复表现，表明单纯增加记忆并不总能提升效果。 |
|||
| 2026-09-16 | Rollback the World, Keep the Reflection: Rollback-Induced Reflection for Long-Horizon LLM Agents |
 |
|
|
• 提出回滚诱导反思，使长程智能体恢复到较早环境状态时仍保留失败轨迹中的经验。 • 联合决定何时干预、回滚多远以及哪些反思记忆应在回滚后保留。 • 在三个长程任务基准与多个模型上报告收益，支持将选择性回滚与可复用反思结合。 |
|||
| 2026-09-16 | Disentangling Long-Term Memory via Latent Neuro-Symbolic Reasoning |
 |
|
|
• 提出面向长期个性化的潜在图记忆，将对话历史表示为解耦的概念。 • 通过稀疏自编码器形成概念节点，再使用查询条件化的边与图推理提取相关记忆。 • 在涉及显式和隐式偏好的长期个性化任务中报告提升，展示自适应潜在记忆组织的价值。 |
|||
| 2026-09-16 | Long-Lived Characters, Local Inference: Incremental Memory Maintenance for Game NPCs |
 |
|
|
• 研究本地部署的混合循环注意力语言模型中，长寿命游戏角色的增量记忆维护。 • 移除失效 KV 条目并在真实序列尾部计算替换内容，同时保留循环状态与未受影响的缓存。 • 八轮脚本化维护实验支持真实尾部更新；独立块拼接或状态相减可能破坏记忆绑定与查询选择。 |
|||
| 2026-09-16 | Cognitive Extensions for Dual-Process Language Agents: Memory and Self-Reflection in Interactive Environments |
 |
|
|
• 在基于 SwiftSage 的双过程语言智能体中，分别研究情节记忆与执行时自我反思的贡献。 • 加入显著性感知记忆写入和触发式检索，并使用有界反思模块验证与纠正执行。 • ScienceWorld 受控消融中组合系统表现最佳；单独加入反思的增益最强，记忆收益依赖执行过程的稳定性。 |
|||
| 2026-09-15 | On the Importance of Gating: Memorization vs. In-Context Learning in State Space Models |
|
|
|
• 该研究在分析状态空间模型门控时，区分参数记忆与上下文检索。 • 理论与受控实验表明，即使不存在容量限制，门控也可能偏向记忆化解并延迟上下文学习。 • 门控仍可能改善长序列泛化，揭示的是训练动态上的权衡，而非整个架构类别的必然局限。 |
|||
| 2026-09-15 | EchoPath: Execution-Level Replayable Memory for GUI Agents |
|
|
|
• EchoPath 将已验证的 GUI 轨迹转化为参数化、可调用的执行记忆。 • 利用存储的前置条件、视觉证据和来源信息重新定位操作目标；不兼容的重放转入有限修复或重新规划。 • 真实计算机使用实验报告重复任务的中位令牌成本降低超过 90%，中位执行时间约降低 60%。 |
|||
| 2026-09-15 | Memory-Skill Isomorphism: One Skill Carrier, Two Native Uses |
|
|
|
• Memory-Skill Isomorphism 提议用同一种载体承载凝练记忆与可复用流程。 • 通过常驻简短描述、按需技能索引和详细参考文件逐层展开，同时保留不同的受控写入路径。 • 证据来自单一部署系统及经选择的任务实验；观察到的失败减少属于探索性信号，而非确认性结论。 |
|||
| 2026-09-15 | ThinkFlow: Self-Evolving Probabilistic Latent Memory for Lifelong Conversational Agents |
|
|
|
• ThinkFlow 将持续变化的用户状态表示为概率潜在记忆，而非显式文本记录。 • 先通过教师引导的潜在对齐初始化记忆，再利用下一条用户话语预测实现测试时个性化。 • 摘要报告长期对话基准上的提升，但未提供量化结果或部署规模验证。 |
|||
| 2026-09-15 | Interactive Memory Learning for Long-Term Conversations |
|
|
|
• ICML 通过交互学习对话记忆的存储与检索策略。 • Planner 与 Trigger 智能体通过在线强化学习共同适应，延迟奖励将未来响应反馈到早期存储决策。 • 作者报告响应质量随交互积累而改善，并超过长期对话基线；摘要未给出具体提升幅度。 |
|||
| 2026-09-15 | Collaborative Memory for Multi-Agent VLM Systems |
|
|
|
• 提出多智能体 VLM 的协作记忆框架，支持对视觉环境形成一致的共享理解。 • 通过记忆层级、共享策略和一致性机制组织观察、解释以及推理依赖。 • 讨论新证据如何触发相关信念更新；摘要主要提供设计论证，未报告量化受控实验增益。 |
|||
| 2026-09-14 | EMR: Self-Evolving Medical Multi-Agent System via Experience Mining and Reuse |
|
|
|
• EMR 为医疗多智能体系统积累可复用的临床推理经验。 • 分层经验库保存原则、诊断模式和代表案例，并从轨迹中补充成功经验及失败警示。 • 医疗推理基准报告表现提升和跨专科、跨基座迁移；这些结果不等同于临床部署验证。 |
|||
| 2026-09-14 | RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments |
|
|
|
• RSIAgent 无需更新权重，即可自主构建可复用的环境专属记忆。 • 课程、执行与验证智能体先广泛再深入探索，保存经验证的因果关系及约束，供后续任务使用。 • 作者报告在 OSWorld-v2 和 Agent's Last Exam 上取得提升；下游复用前会冻结所构建的记忆。 |
|||
| 2026-09-14 | CoMem: Collective-Individual Memory Synergy for Evolutionary Multi-Agent Systems |
|
|
|
• 结合多智能体的个体经验与集体记忆。 • 通过私人经验沉淀及双路检索共享经过筛选的知识并保持多样性。 • ALFWorld 和 PDDL 实验报告性能提升及记忆污染减少。 |
|||
| 2026-09-14 | AnchorGUI: Asymmetric Memory for Dual-Scale Learning in GUI Navigation |
|
|
|
• 使用非对称视觉记忆支持 GUI 纠错及跨次学习。 • 预测误差决定选择性保留截图，并聚焦流程贡献分配。 • 四个基准报告成功率提高及次线性上下文增长。 |
|||
| 2026-09-14 | MessyMem: Learning-from-Doing Memory for Mobile Manipulation |
|
|
|
• 为重复移动操作任务保留交互中获取的知识。 • 具有空间依据的三维场景图连接对象属性、结果及视觉观察。 • 仿真和机器人实验展示长任务序列中的经验复用。 |
|||
| 2026-09-13 | The Immutable Past: Formalizing State Mutability and Conflict Resolution in Mutable RAG |
|
|
|
• GC-Mem 处理追加式智能体记忆中旧事实压过当前状态的问题。 • 利用时间支配关系与矛盾检测，移除已被取代的证据，同时保留无关但仍有效的长期记录。 • 作者在其累积式基准上报告超过 90% 的冲突解决准确率，并给出部署所需的精确率与召回率条件。 |
|||
| 2026-09-13 | Pull: Lazy Materialization of Working Memory for Stateful LLM Conversations |
|
|
|
• 按需且可逆地展开对话工作记忆。 • 确定性目录让模型仅展开相关历史轮次。 • LoCoEval 报告查询上下文 token 减少超过 70%，未测得质量损失。 |
|||
| 2026-09-12 | When Malicious Instructions Persist: Persistent Memory Poisoning Attack on Harness-Based Agents |
|
|
|
• 研究通过智能体记忆写入而持久存在的外部指令。 • 跨会话评估改变运行框架、模型、模态及触发设置。 • 提示防御减少部分注入，但对已持久化投毒保护有限。 |
|||
| 2026-09-12 | LIMBO: Lifelong Inference-Time Memory and Budget Optimization for LLM Agents |
|
|
|
• 联合分配终身智能体的记忆回放与推理预算。 • 在线策略无需修改智能体权重即可调整资源选择。 • LifelongAgentBench 在三个基座上报告更好的成本与准确率权衡。 |
|||
| 2026-09-11 | CueMem: Cue-Guided Context Reconstruction for Long-Term Conversational Memory |
|
|
|
• 将存储记忆记录视为重建原始上下文的线索。 • 轮次图扩展恢复检索锚点周围的时间和语义证据。 • LoCoMo 和 LongMemEval 优于记忆基线，成本低于完整历史输入。 |
|||
| 2026-09-11 | LifeFuse-Mem: Lifecycle-Aware State Fusion Against Temporary Overwriting for Long-Term Memory |
|
|
|
• 区分临时信息与需要长期保留的知识。 • 通过生命周期标注训练及阶段感知读取管理专用记忆组件。 • 受控测试减少覆盖，两项公开基准保持总体竞争力。 |
|||
| 2026-09-11 | LifeMem: Enabling Lifelong Experience Reuse for LLM Agents |
|
|
|
• 支持智能体跨环境终身复用经验。 • 按工作流聚类交互轨迹，并为新任务检索可复用技能。 • 十个环境的实验报告遗忘减少与任务迁移改善。 |
|||
| 2026-09-11 | BadEngram: Backdoor Attack on Gated Memory Components in LLMs |
|
|
|
• 研究仅植入门控参数记忆组件的后门。 • 保持基座权重不变，并通过受控干预定位记忆传播路径。 • 实验在受控及生产规模模型中展示触发器依赖的攻击行为。 |
|||
| 2026-09-10 | Grounding Agent Memory: Environment-Probing Curation for Enterprise Agents |
|
|
|
• 利用最新环境观察校验任务后的记忆整理。 • 以只读工具核验、限定和刷新候选记忆，无需重新训练。 • CLBench 和改编 APEX 实验改善奖励并降低任务智能体成本。 |
|||
| 2026-09-10 | 2AM: Grounding Agent-Side Memory as Guidance for Steerable Action Models in Long-Horizon Manipulation |
|
|
|
• 将操作任务记忆保留在动作策略之外的智能体中。 • 通过子任务语言及可选二维提示引导无状态 RGB 动作模型。 • LIBERO-Mem 实验改善完成度，但严格成功率仍明显较低。 |
|||
| 2026-09-10 | MAPLE: Memory-Augmented Planning with Language and Evolution |
|
|
|
• 在连续自然语言修改中维护优化问题状态。 • 保留可执行程序、已接受计划、历史更新及候选解。 • NLDO 实验展示有效更新及对既有搜索结果的复用。 |
|||
| 2026-09-09 | ROAM: Robust Organization of Atomic Memories for Agents through Semantic Relations |
|
|
|
• 通过显式语义关系组织原子记忆。 • 主记忆与证据角色将活动视图和冗余或冲突观察分离。 • 实验报告回答改善、关键证据召回提高及干扰 token 减少。 |
|||
| 2026-09-09 | What Should an Agent Forget? Separating What Is Stored from What Is Used |
|
|
|
• 分离保留的历史与每次回答实际使用的证据。 • 查询条件视图抑制过时事实，同时保留历史访问和关系。 • 多场景消融支持相关性筛选及显式控制被替代信息。 |
|||
| 2026-09-09 | Fortunate Recall: Ontology-Driven Memory Lifecycle Management for Persistent Coherence in LLMs |
|
|
|
• 利用本体指导个人事实的记忆生命周期管理。 • 通过分类衰减、替代、有效期及路由区分变化信息。 • 消融将正确率收益主要归于生命周期元数据，将校准收益归于类型划分。 |
|||
| 2026-09-08 | MemForest: Efficient Agent Memory Management via EventTree Partitioning and Progressive Merging |
|
|
|
• 通过事件中心树结构压缩智能体记忆。 • 利用渐进节点合并及锚点引导时间检索保留有用证据。 • 单模态和多模态实验在压缩一半记忆时保留大部分性能。 |
|||
| 2026-09-08 | Safe Task Planning with Long-Term Graph Memory for Embodied Agents |
|
|
|
• 利用长期语义图记忆改善具身规划安全性。 • 风险预测器根据累积观察评估动作并触发保守重规划。 • IS-Bench 和真实机器人实验报告安全成功率提高。 |
|||
| 2026-09-08 | CreaMem: A Scene-Aware Memory Architecture for Personalized Agents |
|
|
|
• 按生活场景划分个性化记忆。 • 情节和特征双重编码在平衡检索中融合互补视角。 • 两个记忆基准报告问答提升，多跳问题收益尤为明显。 |
|||
| 2026-09-08 | MemSentry: A Framework for Detecting Persistent Memory Poisoning in Agentic AI |
|
|
|
• 利用可配置安全状态标准筛查持久记忆写入。 • 信任、语义风险、依赖影响范围及访问控制产生确定性决策。 • 合成场景测试展示所建模环境中的检测能力。 |
|||
| 2026-09-08 | MeClear: Cooperative Game-Theoretic Attribution and Risk-Aware Memory Clearance for Long-Horizon LLM Agents |
|
|
|
• 抑制对当前查询具有负面下游效用的记忆。 • 合作归因识别单项删除筛查遗漏的交互有害证据。 • 十个记忆池报告恢复改善，无需永久修改存储。 |
|||
| 2026-09-07 | Where to Look and What to Use: Retrieve-Localize-Generate for Long-Term Conversational Memory Question Answering |
|
|
|
• 分离记忆检索、证据定位及答案生成。 • 多粒度图与训练后的定位器提供紧凑且位置明确的证据。 • 四个基准的实验报告较强检索准确率及回答质量。 |
|||
| 2026-09-07 | MEMO: Multimodal Evidence Memory Organization for Long-Horizon LLM Agents |
|
|
|
• 在文本与视觉记忆通道间分配检索证据。 • 训练后的提取及呈现策略选择有来源的证据单元和布局。 • 四个基准报告受限记忆 token 预算下的任务表现改善。 |
|||
| 2026-09-04 | From Interaction Traces to Persistent Skills: Online Evolution for Computer-Use Agents |
|
|
|
• 从交互轨迹构建持久且版本化的 GUI 技能。 • 利用冻结技能库快照及评估反馈支持可审计的在线修订。 • 四个 OSWorld 领域出现条件性收益，反复编辑并不保证任务恢复。 |
|||
| 2026-09-04 | Forgetting Without Restarting: Execution-State Unlearning for Stateful LLM Agents |
|
|
|
• 将遗忘扩展至派生执行状态，而非仅删除存储记录。 • 根据来源恢复检查点，并通过净化回放重建受影响的后续过程。 • 行为审计以更少重算 token 达到完整重置的遗忘效果。 |
|||
| 2026-09-04 | Compact-Memory LLM Agents via Online Max-Member Clustering and Atom-Aware Packing |
|
|
|
• 在紧张提示词预算下优化紧凑智能体记忆。 • 最大成员在线聚类及原子感知打包控制合并与证据组装。 • AMA-Bench 实验以 32% token 成本达到完整上下文质量的 83%。 |
|||
| 2026-09-03 | EdgeMem: LLM-Free Agent Memory Construction and Retrieval via Evidence-Preserving Multi-Anchor Hypergraph |
|
|
|
• 以多锚点超图保留原始对话证据。 • 利用本地内容、时间及情节处理，避免生成式记忆构建。 • LoCoMo 和 LongMemEval-S 实验在无需模型管理调用时保持较强检索表现。 |
|||
| 2026-09-03 | RuleMem: Active Rule Memory for Long-Term Conversational Agents |
|
|
|
• 归纳可复用逻辑规则用于对话记忆推理。 • 自然语言 Horn 子句及困惑度一致性验证指导证据检索。 • LoCoMo 和 LongMemEval 评估报告相较记忆基线的较强表现。 |
|||
| 2026-09-02 | CHIME: Credit-Aware Hierarchical Memory Evolution for Long-Horizon Agentic Planning |
|
|
|
• 通过归因分离规划记忆与执行记忆。 • 先判断结果归属，再写入相应经验库。 • 四个基准报告规划提升、记忆精简及跨基座迁移。 |
|||
| 2026-09-02 | CAPTURE: Disentangling Preference Drift from Memory Poisoning in Personalized LLM Agents |
|
|
|
• 区分真实偏好漂移、投毒及临时变化。 • 信念跟踪、多时间尺度记录、澄清及反事实审计指导更新。 • 留出测试改善个性化，但自适应攻击暴露稳健性权衡。 |
|||
| 2026-09-02 | MemoryLACE: Memory Lifecycle-Aware Consolidation and Evidence Retrieval |
|
|
|
• 通过稀疏局部关系建模文本记忆生命周期。 • 利用合并、替代及矛盾链接重建包含来源的证据单元。 • BEAM 和 StructMemEval 实验报告推理改善及运行时间降低。 |
|||
| 2026-09-01 | Transferable End-to-End Optimization for Indirect Long-Term Memory Poisoning in LLM Agents |
|
|
|
• 研究贯穿完整记忆流程的间接投毒。 • 阶段反馈建模写入、检索及后续利用之间的相互影响。 • 跨框架评估揭示可迁移漏洞，多种受测防御仍有不足。 |
|||
| 2026-09-01 | EM^2Mem: Event-Centric Multimodal Memory for Large Language Models |
|
|
|
• 在检索前将多模态证据绑定至共同事件锚点。 • 事件记忆单元对齐来源、时间、关系及出处。 • 三个长视频问答基准改善准确率与证据召回并降低推理成本。 |
|||
| 2026-09-01 | Making Prospective Memory SLM-Shaped: Typed Intention Stores for Small-Model Agents |
|
|
|
• 将前瞻记忆结构化为带类型的意图存储。 • 代码管理意图生命周期，小模型负责限定范围的语言决策。 • PM-Bench 实验无需微调即可明显改善延迟意图执行。 |
|||
| 2026-08-31 | Understanding Stage-Wise Utility-Risk Trade-offs in LLM Agent Memory |
|
|
|
• 区分记忆生命周期不同阶段的效用与风险权衡。 • 匹配正常和投毒测试改变准入、管理及检索暴露程度。 • 十一个模型发现不同风险模式，支持阶段感知控制。 |
|||
| 2026-08-31 | When Errors Become Memories: Causal Pathway Tracing in Multi-Turn Memory-Augmented LLMs |
|
|
|
• 追踪错误在多轮记忆系统中的传播。 • 利用反事实干预区分记忆更新与问题反馈路径。 • 实验发现潜伏错误持续存在，修复记忆可带来更强纠错效果。 |
|||
| 2026-08-29 | Selective Forgetting: A Graph-Based Memory Framework for Long-Term LLM Agents |
|
|
|
• 对比图记忆、选择性裁剪与扁平检索。 • 根据新近性、频率、中心性及年龄裁剪带类型的对话图。 • 该图检索弱于匹配基线，裁剪则以有限测得损失节省存储。 |
|||
| 2026-08-29 | When to Adapt: Conditional Memory Adapters for Retention-Preserving Domain Specialization |
|
|
|
• 利用条件记忆适配器实现兼顾能力保留的领域适应。 • 通过局部 n-gram 匹配及可学习门控选择性注入领域知识。 • Qwen3 实验保留域外平均表现的 99.4–100.1%。 |
|||
| 2026-08-28 | What Makes Agent Memory Useful for Reliable Unanswerable Question Handling? |
|
|
|
• 研究记忆对识别不可回答问题的支持。 • 在不同数据集、模型及迁移设置下比较四种记忆方法。 • 流程指导比更多经验存储更易迁移，但收益仍依赖数据集。 |
|||
| 2026-08-27 | GraphMemix: Query-Aware Evidence Forests for Long-Term Multimodal Agent Memory |
|
|
|
• 为多模态记忆构造查询特定证据森林。 • 预算化图优化平衡直接支持、关系验证及激活成本。 • 四个基准在多个基座上报告准确率与生命周期成本权衡改善。 |
|||
| 2026-08-26 | Learning What to Share and What to Personalize: Hierarchical Strategy Co-Evolution for Agent Memory |
|
|
|
• 共同演化共享与用户专属记忆管理策略。 • 通过角色差异及跨层规则升降调整个体保留策略。 • 实验报告相较记忆增强个性化基线的持续收益。 |
|||
| 2026-08-26 | VoiceMem: Streaming Dual-Brain Memory for Real-Time Interaction |
|
|
|
• 为流式语音交互分离信息记忆与情感记忆。 • 并行路径支持情感归因、角色建模及流式检索。 • 实验报告个性化改善，检索延迟为 134 毫秒。 |
|||
| 2026-08-25 | Memory Is Not Always Needed: Characterizing Conditional Memory in Scientific Reasoning |
|
|
|
• 分析条件记忆何时帮助或干扰科学推理。 • 知识边界路由器在生成前控制记忆激活位置与强度。 • 生物和化学实验支持选择性路由优于静态记忆注入。 |
|||
| 2026-08-25 | Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses |
|
|
|
• 结合工作状态跟踪与递归演化的经验记忆。 • 固定元智能体根据执行证据进行局部且经验证的技能更新。 • 四个长程基准在大多数模型与基准组合中报告提升。 |
|||
| 2026-08-24 | Dual-Grained Agent Memory and Shapley Context Attribution for Multimodal Agentic Learner |
|
|
|
• 为冻结多模态模型结合示例记忆及抽象流程模式。 • 在线分类与 Shapley 归因估计规则效用以指导检索。 • MathVista、MMMU 和 MMMU-Pro 在四种基座上报告提升。 |
|||
| 2026-08-24 | InjecMEM: Memory Injection Attack on LLM Agent Memory Systems |
|
|
|
• 测试无需直接访问存储的单次交互记忆注入。 • 评估多个系统中后续主题相关检索及回答操纵。 • 结果显示记忆漂移下仍可持续影响，提示需要加强记忆治理。 |
|||
| 2026-08-23 | Dual-Layer Agentic Memory with Fast Write Routing and Slow Consolidation |
|
|
|
• 结合选择性外部写入与较慢的参数固化。 • 通过模型级联路由新信息，再将高价值记忆微调进入参数。 • 作者报告冗余最多减少 68%，同时保留基线问答准确率的 98% 以上。 |
|||
| 2026-08-23 | HERO: Human-profile Enhanced Retrieval Optimization Framework for Long-term Agent Memory |
|
|
|
• 在用户画像引导的异构记忆图中保留原始对话。 • 查询锚点及用户画像指导迭代证据遍历。 • 两个基准报告事实推理及个性化推理改善。 |
|||
| 2026-08-23 | When Not to Imitate: Boundary-Aware Skill Memory for Reliable Tool-Use LLM Agents |
|
|
|
• 为成功经验提炼的技能记忆加入适用边界。 • 利用条件、风险信号、规避规则及恢复说明指导选择性使用。 • AppWorld、BFCL 和 AgentDojo 实验报告可靠性与效率改善。 |
|||
| 2026-08-23 | CONTRAMEM: Learning Self-Evolving Procedural Memory from Contrasting Multi-Model Trajectories |
|
|
|
• 从多模型执行差异中蒸馏流程记忆。 • 通过局部整理维护可复用应用功能卡及任务技能卡。 • 留出电脑操作任务报告明显收益及跨模型迁移。 |
|||
| 2026-08-22 | MemGuard: Persisting Verifier Signals for LLM-Agent Memory Governance |
|
|
|
• 在智能体记忆全生命周期保留验证器信号。 • 奖励、置信度、标签及不确定性指导准入、检索、冲突处理和归档。 • 四个基准在匹配运行预算下报告成功率提高及步骤减少。 |
|||
| 2026-08-22 | MEMORY Wins All: Indirect Bias Injection Attacks via Social Media Feeds |
|
|
|
• 研究通过记住外部内容间接操纵立场。 • 社交信息流和邮件场景追踪摄入、整理及下游影响。 • BiasBench 报告持久效应，边界防御仅部分缓解。 |
|||
| 2026-08-21 | Weighted Memory Tree: Remembering What Matters for Long-Horizon LLM Agents |
|
|
|
• 动态加权任务、子任务及动作的分层记忆。 • 通过事件更新和衰减折叠已完成工作，同时保留可恢复证据。 • GAIA-Text 实验报告准确率提高与提示词 token 减少。 |
|||
| 2026-08-21 | Utility Under Attack: Agent Memory Poisoning and the Limits of Content Screening and Provenance Ranking |
|
|
|
• 测试超出显式提示注入内容的虚假事实记忆。 • 受控投毒比较写入筛查及来源加权检索。 • 结果揭示效用损失，以及仅内容过滤和加性来源惩罚的局限。 |
|||
| 2026-08-21 | ForeDreamer: A Self-Evolving Dual-Agent Memory Architecture for Future Event Prediction |
|
|
|
• 提出 ForeDreamer，一种面向开放网络未来事件预测的自进化双智能体记忆框架，将问题级事实记忆与跨预测任务持久化的经验记忆分离。 • 主智能体负责检索与预测，记忆处理子智能体通过 MemGuide 和可执行 MemTool 将嘈杂、受时间截点约束的网页证据转化为结构化事实记忆；文本与程序性记忆通过验证门控更新共同演化。 • 在 Qwen3.5-Flash 和 GPT-5.4-Nano 上，ForeDreamer 在 Prophet Arena 上分别取得 0.1471 和 0.1839 的 Brier 分数，在 FutureX 上分别取得 0.4108 和 0.3883 的准确率，均优于对应基准和骨干模型下最强的已有对比方法。 |
|||
| 2026-08-20 | Beyond Memory Majority: Latent-Source Reasoning for Multi-Agent Memory Arbitration |
|
|
|
• 防止相关联的多智能体记忆形成虚假多数。 • 利用依赖推断及来源信息估计独立来源并指导证据补充。 • 基准实验报告相较所比较基线更可靠的仲裁。 |
|||
| 2026-08-19 | MemFuse: Multi-Source Memory Fusion from Fragmented Observations |
|
|
|
• 将碎片观察融合为可追溯来源的情节记忆。 • 利用原子事件及融合簇在因果图中组织证据。 • MemFuseBench 在三种模型设置下报告跨来源推理改善。 |
|||
| 2026-08-18 | ArborMem: Navigating Interaction States with Memory Forests |
|
|
|
• 将中断及恢复的对话表示为交互状态森林。 • 先定位活动分支，再恢复上下文并检索跨分支证据。 • 既有基准及 BranchMemEval 报告在有界读取预算下连续性改善。 |
|||
| 2026-08-18 | CABLE: Extending the Reach of Memory Retrieval via Complementary Antecedent-Based Linking and Expansion |
|
|
|
• 添加超出检索器语义邻域的稀疏关联。 • 经过验证的前因链接将检索种子扩展至原先遗漏的支持证据。 • 多个记忆系统在跨会话及偏好问题上报告收益。 |
|||
| 2026-08-18 | On the Fragility of Self-Improving Agents: Variance, Task Order, and Underspecification | |
|
|
• 重新评估基于记忆的自改进智能体可靠性。 • 重复运行及打乱任务流揭示方差和任务顺序影响。 • 更明确的任务说明仅部分缓解问题，仍存在明显脆弱性。 |
|||
| 2026-08-17 | HyperSkill: Self-Evolving LLM Agents via Hypergraph-Structured Skill Memory |
|
|
|
• 将流程记忆组织为子任务与技能超图。 • 双路检索及结构感知维护复用轨迹层关系。 • 三个智能体基准报告优于十种记忆基线。 |
|||
| 2026-08-17 | QUMem: Personalized Memory for Query-Conditioned User-State Inference in LLM Agents |
|
|
|
• 从演化的个人记忆推断查询所需用户状态。 • 类型化情节记录及顺序检索智能体判断时间和情境相关性。 • PersonaMem 和 KnowU-Bench 实验报告较强个性化表现。 |
|||
| 2026-08-17 | FTA-Mem: Fact-Time-Affect Anchored Memory for Low-Density Long-Term Dialogue |
|
|
|
• 围绕事实、时间及情感组织低信息密度对话记忆。 • 保持边界的分段构建连贯情境级记忆单元。 • ES-MemEval 和 LoCoMo 实验通过合适构建粒度改善记忆问答。 |
|||
| 2026-08-17 | MELD: A Protocol for Merging Knowledge Across Distributed Agentic Memories |
|
|
|
• 协调分布式智能体记忆，同时显式保留矛盾。 • 通过可审计补丁及复制声明状态支持合并和分区恢复。 • HotpotQA 及部署实验报告召回、存储和收敛方面的收益。 |
|||
| 2026-08-17 | What to Remember, What to Reveal: Privacy-Aware Memory for Conversational Agents |
|
|
|
• 分离净化后的对话记忆与精确隐私值。 • 隔离存储及同意感知检索管理敏感信息全生命周期。 • 隐私感知基准报告个性化收益及不必要暴露减少。 |
|||
| 2026-08-17 | Cross-Model Memory Transfer via Target-Side Reader Adaptation |
|
|
|
• 在不同基座间迁移冻结的可寻址记忆。 • 保留已学习记忆表，仅适配轻量目标端读取器。 • 受控问答实验显示读取器对齐对有效复用至关重要。 |
|||
| 2026-08-13 | ERSkill: Evolving for Skill-Guided Adaptive Memory Retrieval |
|
|
|
• 共同演化可执行检索技能及查询路由器。 • 经验前缀树及分离的探索、部署前沿支持稳定更新。 • 多个记忆基准报告优于静态和自演化基线。 |
|||
| 2026-08-13 | Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence |
|
|
|
• 将经过验证的空间经验转化为可迁移流程记忆。 • 通过反思及结果校准的可靠性评分指导冻结视觉语言模型。 • 五个空间基准在四种基座上报告改善。 |
|||
| 2026-08-13 | When Your Agent Opens the Chat App: Agent-Controlled Search over Raw Chat Logs Rivals Structured Memory |
|
|
|
• 测试智能体直接搜索未改写的对话档案。 • 利用词法索引、会话控制、时间过滤及迭代搜索收集证据。 • MemoryAgentBench 和 LongMemEval 结果表明复杂语义索引并非总是必要。 |
|||
| 2026-08-13 | LycheeMemory V2: Efficient Long-Term Memory for LLM Agents via Semantic Segment-Level Consolidation |
|
|
|
• 在语义片段边界固化对话，避免逐轮处理。 • 类型化记录及轻量索引支持有计划的证据检索。 • LoCoMo 和 LongMemEval-S 实验减少构建 token 且不增加查询成本。 |
|||
| 2026-08-13 | RippleMem: From Isolated Retrieval to Associative Recollection for Long-Term Agent Memory |
|
|
|
• 以自适应联想回忆替代孤立检索。 • 线索丰富的情节锚点沿事件图关联扩展并补齐证据。 • LoCoMo 和 LongMemEval-S 实验改善准确率并降低建图成本。 |
|||
| 2026-08-12 | Towards a Formal Definition of Agent Memory: Basis, Span, Optimality, and the Sequential Memory Problem |
|
|
|
• 通过容量约束下的知识覆盖形式化智能体记忆。 • 顺序决策模型将写入视为动作，将查询效用视为延迟奖励。 • 《奥德赛》案例展示效用容量前沿及覆盖率与精度的差异。 |
|||
| 2026-08-12 | ε-MemEvo: Adaptive Cross-Task Memory Transfer for LLM Program Evolution |
|
|
|
• 在程序演化任务间迁移任务无关的策略记忆。 • 自适应门控决定是否注入检索策略及其强度。 • 八项留出任务测试报告更快改进及更少有害迁移。 |
|||
| 2026-08-11 | From Faulty Memories to Corrected Actions: Dependency-Guided Rollback Repair for Memory-Augmented Agents |
|
|
|
• 在诊断记忆故障后修复回答及持久状态。 • 依赖图使无依据的后继失效，并选择性回放受影响计算。 • 受控及轨迹派生测试改善恢复，同时保留正常记忆。 |
|||
| 2026-08-11 | Self-Correcting Long-Horizon Search Agents via Tree-Structured Memory |
|
|
|
• 在搜索证据变化时修复下游推理。 • 来源关联证据树支持局部修订及受影响分支裁剪。 • 四个问答及搜索基准报告在有界单步上下文下提高准确率。 |
|||
| 2026-08-10 | Muscle Memory for Agents: Compile not Merely Retrieve |
|
|
|
• 将重复用户意图编译为专门的可执行智能体。 • 质量门控流程挖掘历史，并通过分阶段触发匹配专家。 • 90 个场景的研究报告个性化收益及轻微准确率权衡。 |
|||
| 2026-08-10 | Skills in Weights, Memory in Code: Hybrid Learning for Memory-Dependent Robot Manipulation |
|
|
|
• 分离学习得到的运动技能与可执行记忆管理代码。 • 代码智能体启发式及多模态完成检查引导马尔可夫式 VLA。 • RoboMemArena 报告累积和任务成功率高于所比较策略。 |
|||
| 2026-08-10 | MESA:Task-Adaptive Multi-Structure Evidence Selection for Long-Horizon Agent Memory |
|
|
|
• 按任务选择互补记忆结构的组合。 • 先验引导搜索学习冻结读取器应使用五类证据视图中的哪些。 • AMA-Bench 报告相较全结构输入以更少 token 改善回答。 |
|||
| 2026-08-08 | SodaMem: Evidence-Grounded Temporal Graph Memory for LLM Agents |
|
|
|
• 在图记忆中跟踪证据来源及时间有效性。 • 类型化事实事件与规划读取检索区分更新和矛盾。 • LongMemEval-S 报告较高准确率，但使用自评且跨系统成本为估计值。 |
|||
| 2026-08-08 | LatticeMind: A Conflict-Aware Memory Primitive for Multi-Agent Systems |
|
|
|
• 在记忆写入阶段处理多智能体矛盾声明。 • 通过显式状态及符号检查，仅在必要时调用模型协调。 • ConflictBank 明显改善，但相较讨论式方法的规划结果不一致。 |
|||
| 2026-08-08 | Mitigating Over-Personalization in LLMs via Structured Memory |
|
|
|
• 研究持久用户记忆导致的过度个性化。 • 推理时按领域划分记忆，而不修改存储内容。 • PersistBench 在七个模型上减少跨领域泄漏并保持效用。 |
|||
| 2026-08-07 | MemPrism: Task-Conditioned Relational Memory Views for Long-Horizon Agents |
|
|
|
• 在持久经验之上构造任务条件工作视图。 • 轻量策略选择关系、证据范围、结果条件及粒度。 • 具身及网络智能体实验改善性能并减少记忆 token。 |
|||
| 2026-08-07 | Coupling Planning with Episodic Memory in LLM Agents for Software Issue Resolution |
|
|
|
• 将分层规划与情节记忆结合用于软件修复。 • 规划阶段指导检索，记忆统计触发重规划及执行证据验证。 • SWE-bench Verified 报告解决问题增多、重复失败减少。 |
|||
| 2026-08-07 | Controlled Memory Interference in Continual LLM Agents |
|
|
|
• 诊断累积智能体记忆之间的干扰。 • 通过受控关系及更新权威信号生成针对性学习样本。 • 实验表明特定关系干扰对更新的损伤超出单纯记忆增长。 |
|||
| 2026-08-07 | MemOPD: On-Policy Distillation through Memory State Alignment for Long-Horizon Agents |
|
|
|
• 使教师监督与学生轨迹实际使用的记忆状态对齐。 • 重建每次调用的位置和因果可见性，再进行打包式在策略蒸馏。 • 匹配对照报告相较持续历史教师评分获得 7.0% 的 F1 提升。 |
|||
| 2026-08-07 | MemWM: Memory-Augmented Text-Based World Model |
|
|
|
• 使用显式转移规则及事实记忆增强文本世界模型。 • 世界记忆约束预测，检索技能指导冻结的规划策略。 • 三个环境报告状态保真度及下游任务成功率提高。 |
|||
| 2026-08-07 | Agent Memory Distillation: Empowering Small LLM Agents with Hierarchical Teacher Memory |
|
|
|
• 将教师经验转化为小模型智能体的分层记忆。 • 工作流、子任务及函数记忆提供主动和错误触发指导。 • 三个工具使用基准报告 4B–8B 学生无需参数训练即可提升。 |
|||
| 2026-08-07 | TEPA: Revoking Stale Memories for Conflict-Robust Language Agents |
|
|
|
• 通过可撤销证据记录显式表示演化记忆的有效性。 • 同键矛盾使过时先例失效，同时保留审计历史。 • 漂移测试改善当前证据利用，多跳设置暴露额外检索瓶颈。 |
|||
| 2026-08-06 | Causal Episodic Memory for Feedback-Driven Agent Repair |
|
|
|
• 跨 SQL 修复轮次复用已验证纠正及失败方向。 • 在预言机反馈下按失败类型仅检索较早结束的经验。 • Spider 收益明确，BIRD 证据较弱，部分检索对照表现相近。 |
|||
| 2026-08-05 | FocusMem: Factorizing Content, Readout, and Trust in Latent GUI Memory |
|
|
|
• 在潜在 GUI 记忆中分离内容保留、读取及信任。 • 角色感知表示和状态条件门控支持冻结动作策略。 • 五个 GUI 基准改善性能并减少无关记忆的负面影响。 |
|||
| 2026-08-05 | MemoryCPT: An End-to-End Agent Memory Framework for Cost-Performance Trade-off |
|
|
|
• 训练记忆构建及查询时摘要以优化成本效率。 • 蒸馏与成本感知强化学习生成紧凑检索上下文。 • LoCoMo 和 LongMemEval 实验改善单位推理成本的质量。 |
|||
| 2026-08-05 | Mimir: A Neuro-Sym | ||
