标签
本文提出了一种面向长期智能体记忆的检索可采纳性验证框架，将记忆-查询对分类为可采纳、不可采纳或未决三类，表明仅凭召回率和答案准确率无法检测策略或语境违规。对 RHELM 和 MemOps 基准的事后重新分析表明，该框架提升了 top-20 锚点召回率，并大幅减少了相似度评估的使用。
Cognition AI 宣布为 Devin 推出 Memory 和 Dreaming 功能，让 Devin 能跨会话记住用户的工作偏好与经验教训，并通过每日后台 Dreaming 过程优化记忆索引；同时开源了用于构建 Agent 记忆系统的标准规范。
APDMem 提出了一种面向 LLM 助手的分层长期记忆架构，通过智能体对四层记忆施加渐进式披露控制，在仅访问 8% 对话数据的情况下，取得了优异的 LongMemEval 表现。
MemAdapter提出一个反事实适应框架，通过反事实推理、上下文感知反思和证据驱动推理三个组件，缓解LLM智能体长期记忆引发的谄媚问题，在多个基准上提升记忆可靠性。
LangChain 官方发布的《Agents From Scratch》指南提供了一套可动手实践的四步路线图，用于构建具有长期记忆和人机协作能力的邮件 Agent，涵盖 LangGraph 工作流、LLM-as-Judge 测试、human-in-the-loop 确认以及 LangGraph Store 记忆集成，并附带 Notebook 和源代码。
Akshay Pachare 阐述了 AI Agent 的记忆机制在短期范围（语义记忆、情景记忆、程序性记忆）与长期范围之间是如何协同工作的，并介绍了 Oracle AI Agent Memory——这是一个不依赖于特定模型或框架的 Python 包，构建于 Oracle AI Database 之上，提供受治理的会话线程、摘要、持久化记忆以及分域检索能力，其 token 消耗显著低于直接使用扁平历史记录的方式。
RealCompanion 发布了一个基准数据集，包含十段真实的 AI 伴侣关系（最长 120 天内共 27,218 条消息），并提供从中衍生的档案、人设和聊天基准真值。研究发现：过去的历史上下文很少被需要；基于记忆依赖的检测方法在真实消息上失效；三个智能体系统在成本相差 31 倍的情况下，以相同的 F1 分数重构了人设。
Mnemon 是一个记忆智能体，它将对话保留为带时间戳的原始记录，并将记忆工作拆分为两部分：由小型决策模型 Jev 执行的 System 1 快速判断，以及由 LLM 执行的 System 2 规划，在极低的 token 成本下取得了 SOTA 级别的 LoCoMo（91.7%）与 LongMemEval-S（94.4%）成绩。
本文提出了 DerivAudit 框架，用于审计长期 LLM 智能体所存储的记忆是否真正得到其交互历史的支持。该研究发现了一个「分布式证据悖论」：有效的记忆往往需要整合分散在各处的证据，这使得缺乏依据的组合更难被检测出来。
介绍Hillock，一个使用神经符号方法的开源引擎，用于本地智能体的长期记忆，通过事实提取和超维门控等技术提高效率。
论文提出了HasMem，一种用于长期LLM代理的自适应记忆压缩方法，该方法在保持冻结的LLM参数的同时调整记忆宽度，在重建和问答基准测试中展示了改进的性能。
对'Today'个人AI的评测，它提供长期记忆和主动协助，集成微信用于中国地区的健身训练，提供免费基础版和Token奖励。
提出VoxPolyMem，一个面向多方口语对话的交互感知多模态记忆框架，具备自适应智能检索功能，在新基准测试中达到了最先进的性能。
EnSIMem是一种用于长期AI代理的实体结构化记忆架构，通过实体-属性索引将交互组织成事件，在基准测试中实现高召回准确率。
AutoViewMem是一个数据驱动的框架，它将长期对话记忆组织为自配置语义视图，以提升LLM代理的检索和个性化能力，并在基准测试中表现出色。
本文提出JustMem，一个通过平衡发现广度和读取保真度来适应长期对话的内存访问系统，用更少的令牌实现更高的准确性。
本文介绍了ReaLMem，这是首个使用真实个人档案评估AI长期多模态记忆的基准，并提出了ChronoProfiler，通过时间加权来提升AI伴侣的个性化能力。
本文提出将记忆建模为用户特定的动态状态空间，采用非均匀几何结构，以增强AI中的长期个性化，实现轨迹条件重构，从而提升记忆访问效率。