论文页 - 从存储到体验：大语言模型智能体记忆机制演化综述

来源：https://huggingface.co/papers/2605.06716

摘要

大语言模型智能体的记忆机制经历三个阶段——存储、反思与体验——在一致性、动态环境以及持续学习目标的需求驱动下不断演化。

基于大语言模型（LLM）的智能体通过集成外部工具与规划能力，从根本上重塑了人工智能领域。尽管记忆机制（https://huggingface.co/papers?q=memory%20mechanisms）已成为这些系统的架构基石，但当前研究仍然较为分散，在操作系统工程与认知科学之间摇摆不定。这种理论上的割裂阻碍了对技术融合的统一认知，也缺乏连贯的演化视角。为填补这一空白，本综述提出了一种新颖的演化框架（https://huggingface.co/papers?q=evolutionary%20framework），用于解析大语言模型智能体记忆机制（https://huggingface.co/papers?q=memory%20mechanisms），将发展过程形式化为三个阶段：存储（轨迹保留（https://huggingface.co/papers?q=trajectory%20preservation））、反思（轨迹优化（https://huggingface.co/papers?q=trajectory%20refinement））以及体验（轨迹抽象（https://huggingface.co/papers?q=trajectory%20abstraction））。我们首先正式定义这三个阶段，随后分析推动这一演化的三大核心动力：对长程一致性（https://huggingface.co/papers?q=long-range%20consistency）的必要性、动态环境（https://huggingface.co/papers?q=dynamic%20environments）中的挑战，以及持续学习（https://huggingface.co/papers?q=continual%20learning）的终极目标。此外，我们深入探讨了处于前沿“体验”阶段的两种变革性机制：主动探索（https://huggingface.co/papers?q=proactive%20exploration）与跨轨迹抽象（https://huggingface.co/papers?q=cross-trajectory%20abstraction）。通过综合这些截然不同的视角，本研究为下一代大语言模型智能体的开发提供了稳健的设计原则与清晰的路线图。

查看 arXiv 页面（https://arxiv.org/abs/2605.06716）查看 PDF（https://arxiv.org/pdf/2605.06716）GitHub（https://github.com/FeishuLuo/Evolving-LLM-Agent-Memory-Survey）加入收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.06716）

在智能体中获取此论文：

hf papers read 2605\.06716

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

尚无模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.06716，以便在此页面建立链接。

引用此论文的数据集0

尚无数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.06716，以便在此页面建立链接。

引用此论文的项目空间0

尚无项目空间链接此论文

请在项目空间 README.md 中引用 arxiv.org/abs/2605.06716，以便在此页面建立链接。

包含此论文的合集0

尚无合集包含此论文

将此论文添加至合集（https://huggingface.co/new-collection）以便在此页面建立链接。