标签
作者认为 agent harness 本质上是一个分布式系统问题，并引用了 DeepSeek 的 Super-agent 技术文章，该文章表明两级 Router/Worker 设计在延迟和委派可靠性方面优于单一 chat session，同时提出了长期记忆这一关键开放问题。
提出了ETAMem多视角记忆框架，通过解耦异构对话信息并构建Event、Affect、Time三个互补的层次化视图，提升长期对话智能体的记忆检索效果，在LoCoMo和LongMemEval-S上分别实现12.46%和7.96%的相对准确率提升。
TrawMem 将 LLM 智能体记忆系统重新定义为面向任务、角色自适应的工作空间，将交互历史组织为线程，并根据记忆在任务中的角色选择互补记忆，在 LoCoMo 和 MemGallery 基准测试中，相较于具有代表性的记忆系统，宏平均 F1 得分稳定提升了 2.23–3.14 个点。
论文提出ConMem算法，将LLM智能体的长期记忆保留决策重构为反事实因果推断，并构建MemAlign基准（1,079个记忆案例）来研究记忆错位问题，实验表明该方法在缓解过度保留偏差的同时保持个性化效用。
SLICE-Mem 提出一种轻量级大语言模型智能体长期记忆框架，通过显著性引导的记忆准入与基于谓词的语义抽取，实现无需调用大语言模型的在线记忆构建，在保持接近 MemOS 基线精度的同时，将词元消耗降低 92.4%–99.5%。
一位开发者分享了一篇教程，介绍如何使用 Pydantic AI 和向量数据库，让 AI 智能体在不同会话之间拥有持久记忆：从对话中提取事实，将其转换为嵌入向量，并检索相关记忆，注入新会话的上下文中。
该论文介绍了 MOSAIC，这是一个全模态基准，包含 923 个问题，基于以人物设定为基础、涵盖文本、图像、视频和音频的多会话历史记录，旨在诊断对话智能体在写入、检索、交付和读取各阶段中何处丢失了证据，而非仅仅给出一个排行榜分数。
M-Plan 是一个闭环多智能体系统框架，融合长期记忆与短期记忆，并结合全局-局部及过去-当前的双重引导，以提升 LLM 智能体在长时程多轮任务中的规划能力，在 ALFWorld、Webshop 和 PDDL 上超越了基线方法。
Meta 一篇新论文提出了 ProPerMem，一个为期一年的第一人称视频记忆基准（约 618K tokens），显示主动式 AI 助手主要败在决定何时开口，而非说什么——像 GPT-5.3-Chat 这样的前沿模型在提供神谕证据时得分 96%，但当自行选择时机时骤降至 15-38%。
HABIT-Bench 是一项新基准，用于评估 LLM 智能体能否从记忆中长期积累的微弱证据中归纳出用户在饮食、金融、软件和旅行领域的习惯。使用 Qwen3-235B-A22B 和 GLM-5.3-Flash 对八种记忆方法进行评估后发现，它们在四选一任务上的宏平均准确率仅为 33.61%，表明回忆历史并不等于知道应以什么来指导决策。
Kairos 项目发布了一个实验：让三个 LLM 法官对比 AI 智能体真实的 30 天生活记忆与伪造记忆，结果几乎无法区分（分差仅 +0.032），说明仅凭文本无法判断记忆是否真实发生过，只有日志才能证明。
该论文提出了 QEMem 框架，将 LLM 检索的记忆重组为查询特定的证据集合，以弥合"相关性-充分性差距"，在 LoCoMo 基准上以 Claude Opus 4.5 达到 91.43% 的 LLM-judge 准确率，超越 MemR3 和 NEMORI 基线。
腾讯混元发布 Hy-Memory-30B-A3B，一个约 3B 激活参数的紧凑型长期记忆写入模型，可替换 Mem0、MemOS 和 Hy-Memory 等外部记忆框架中的通用大语言模型，采用记忆在线蒸馏（OPD）与归因记忆强化学习两阶段训练，在四个记忆框架的交叉评测中平均得分超越 Claude Opus 5。
一家构建记忆基础设施的公司推出了“glasshouse”，这是一项长期记忆基准测试草案，基于一段涵盖10种语言、长达197万 token 的对话设置了2,847个问题，分别报告17个维度的结果（包括事实更新一致性和冲突解决），不设单一总分，并向智能体记忆社区征求反馈。
这篇论文提出 MaLoW（Memory as LoRA Weights），将流式视频的长期历史增量编码进固定大小的 LoRA 权重中，冻结主干模型并把当前观测保留在输入里，从而分离长期记忆与实时感知。该方法在 OVO-Bench 和 StreamingBench 上取得领先表现，并在机器人任务上也提升了成功率。
腾讯开源了 Agent Memory，一个可 100% 本地基于 SQLite 运行的 AI 智能体长期记忆层，无需云端 API 或向量数据库，报告可减少约 61% token，PersonaMem 准确率从 48% 提升到 76%，且记忆可读可追溯。
该论文提出了 T-Mem，一种面向长跨度多方对话中 LLM 智能体的、基于时序结构的记忆框架。它通过时序证据发现和时序记忆结构化，找回局部集中的证据，并以证据森林的形式重建事件演进过程，在两个基准测试中优于现有记忆框架。
Oh-My-Hermes 3.0.2 发布，新增 SkillEx 技能约束与 FenceGuard 沙箱安全机制，为 Hermes Agent 提供技能路由、长期记忆与跨 GPT、Claude、DeepSeek、Kimi、GLM 的并行沙箱编码代理能力。
三星研究院提出 Gated Memory 框架，在事实抽取前引入准入门控与条件增强阶段，以保留原始话语中的关键上下文信号，提升对话式 AI 的长期记忆质量，在 LoCoMo-10 基准上 LLM-judge 准确率相对提升 2.6%。
一个纵深防御评估框架，联合研究了内部激活引导与外部记忆门防御机制，以应对大语言模型中的记忆诱导型谄媚现象。研究发现，选择性路由器记忆门过滤比完全移除记忆更能保持模型准确性，而反向激活引导并未带来统计显著的额外收益。