@rohanpaul_ai：AI智能体应将记忆视为不断变化的有效连接网络，而非静态存储。大多数智能体记忆系统…

X AI KOLs Timeline 论文
ai-agents memory graph fluxmem knowledge-graph skill-learning agent-memory

摘要

该论文提出 FluxMem，一种将智能体记忆视为不断演化的图结构，通过动态修复连接和提炼技能来提升记忆效果的系统。实验显示其在多个任务上优于现有方法，例如在 LoCoMo 上达到 95.06% 准确率，并在 GAIA 上相比 Kimi K2 提升 12.73 分。

AI智能体应将记忆视为不断变化的有效连接网络，而非静态存储。 大多数智能体记忆系统只是像翻档案柜一样检索旧事实。 本文提出 FluxMem，一种记忆系统，它将事实、过往任务片段和可复用技能以图的连接形式存储。 当智能体处理任务时，FluxMem 首先收集可能有用的记忆，然后利用任务反馈来修复记忆连接：添加缺失的链接、移除不良链接，或按合适的细节层级重写记忆。 随着时间的推移，它还会将重复成功的任务路径转化为可复用的技能，使智能体无需反复构建相同的推理模式。 作者在长对话记忆、网页导航和通用助手任务上测试了 FluxMem，以验证该思路是否适用于不同类型的智能体问题。 与对比的记忆系统相比，FluxMem 取得了更强的结果，包括在 LoCoMo 上平均准确率达到 95.06%，以及在 GAIA 上使用 Kimi K2 提升了 12.73 个百分点。 关键之处在于，本文将智能体记忆从“存储与检索”转向“持续修复和强化那些真正帮助智能体行动的连接”。 ---- Link – arxiv. org/abs/2605.28773 标题：“将记忆重新视为持续演化的连接性”
查看原文
查看缓存全文

缓存时间: 2026/06/03 13:50

AI代理应将记忆视为不断变化的有用连接网络，而非静态存储。

大多数代理记忆系统检索旧信息的方式，仿佛过去就是一个个文件柜。

该论文提出FluxMem——一种将事实、过往任务片段和可复用技能作为图中相互连接的节点进行存储的记忆系统。

当代理执行任务时，FluxMem首先收集可能有用的记忆，然后利用任务反馈来修正记忆连接：通过添加缺失的链接、移除错误的链接，或以恰当的详细程度重写记忆。

随着时间推移，它还会将重复成功的任务路径转化为可复用的技能，这样代理就无需反复重建相同的推理模式。

作者在长对话记忆、网页导航和通用辅助任务上测试了FluxMem，以验证该理念在不同代理问题上的适用性。

FluxMem取得了优于对比记忆系统的效果，包括在LoCoMo上达到95.06的平均准确率，以及在GAIA上搭配Kimi K2使用时获得了12.73个百分点的提升。

关键在于，该论文将代理记忆从“存储与检索”转向了“持续修复和强化那些真正帮助代理行动的连接”。

链接 – arxiv.org/abs/2605.28773

标题：“Rethinking Memory as Continuously Evolving Connectivity”

相似文章

一体化记忆：面向记忆智能体的过程奖励强化学习

arXiv cs.AI

复旦大学等机构提出 AiO-Mem，将记忆智能体的搜索、写入和停止操作统一到共享证据状态与奖励空间中，通过过程奖励模型与 PA-DAPO 优化记忆策略，在长上下文记忆基准上持续提升答案准确性。