@Sa4d_k1：在最近发表的众多优秀AI智能体领域论文中。该研究涉及来自……的60名研究人员。

以下是AI智能体领域近期发表的杰出论文之一。

该研究汇集了来自斯坦福大学、哈佛大学、Google、Meta、Salesforce等顶尖机构以及众多高校与科技公司的60位研究者共同参与。

论文探讨了随着AI智能体快速发展而浮现的核心问题之一：

智能体如何在数日甚至数周的合作中，始终保持对前期交互的记忆？

智能体在持续运作中会不断积累新信息：对话内容、决策记录、历史错误、工具反馈、用户偏好以及从中获得的经验教训。

将所有这些信息纳入上下文窗口并非可扩展的解决方案，因为上下文容量会随任务时长和对话长度持续膨胀——论文将此现象称为“上下文爆炸“。

这正是智能体记忆系统的关键价值所在。

论文标题为：

《后半程智能体记忆综述：迈向自我进化与长期作业的智能体》

本文尝试系统梳理智能体记忆领域的全貌，并从三个核心维度解析记忆机制：

• 记忆存储于何处？ 可分为模型内部记忆（Internal Memory）与外部可检索系统记忆（External Memory）。 • 记忆承载何种信息？ 包括工作记忆（Working Memory）、事件与经验记忆（Episodic Memory）、语义记忆（Semantic Memory）、技能记忆（Procedural Memory）等类型。

• 记忆服务对象是谁？ 是侧重理解用户及其偏好的用户中心记忆（User-Centric Memory）？还是保存智能体自身经历、错误与学习成果的智能体中心记忆（Agent-Centric Memory）？

本研究最具突破性的观点在于：记忆已超越单纯的信息存取功能。

它正逐渐成为智能体自我进化的核心机制。 智能体通过执行任务积累经验，从中提取新知识或技能，再将其应用于未来任务，实现持续自我优化。

这标志着智能体从每次任务都需从零开始的模式，向能够从经验中学习的自我进化智能体（Self-Evolving Agents）的转变，使其具备长期作业能力。

该论文内容极为全面，涵盖记忆管理、多智能体记忆系统（Multi-Agent Memory）、学习保留与检索策略、强化学习、基准测试，甚至涉及智能体可学习、共享与复用的技能体系。

对于致力于构建AI智能体的研究者而言，这份文件提供了超越单一记忆技术的领域全景概览。