标签
该研究比较了 MemoryLake，一个结构化内存后端，与其他系统在 MemoryArena 基准测试上的表现，发现它在部分任务中成功率更高，但并未在所有领域确立明显优势。
提出了 EvoGraph-Mem，一种用于长期语言代理的失败感知可编辑图记忆框架，该框架跟踪正面/负面证据和激活状态以获取洞察，通过基于效用的检索和图级编辑实现记忆维护。
LycheeMemory V2 为 LLM 智能体记忆引入了语义分段级整合，在 LoCoMo 和 LongMemEval 基准上降低了构建成本，同时提高或保持了准确率。
提出了受控记忆干扰（CMI），一个用于研究LLM智能体在不同记忆关系下记忆演化的诊断框架，揭示了特定关系的干扰会抑制更新可塑性，且干扰感知训练能够改进对有效更新的区分。
MobileMem 引入了一个基准和框架，用于设备上 AI 系统从长达一年的移动经验中学习，重点关注时序推理、知识更新和偏好推断。
林凯森离开盛大创新院后创办新公司，专注于长期记忆智能体，并提及在陈老板指导下工作的经历。
AgentMemBench 是一个系统性基准，在三个数据集上评估对话式 AI 智能体的五种长期记忆管理策略，发现外部键值存储检索在质量上占优，但会带来更大的内存占用。
一篇主张压缩（而非更长的上下文窗口）才是长期AI记忆和关系连续性的关键基元的文章，并以计算中的算力与存储作类比。
本文介绍了IFCMemoryBench，一个经过人工验证的基准测试，用于评估基于LLM的智能体在BIM信息检索中的长期记忆。研究表明，当前的记忆系统仅能达到32.4%的答案准确率，揭示了智能体记忆中的领域迁移差距。
港大团队开源了DeepTutor，一个具备长期记忆、多种知识库检索和技能生态的个性化AI学习伴侣，可承担辅导、解题、出题、研究、可视化及学习路径规划等任务。
本文介绍了 Memory Decoder at Scale，将参数化长期记忆模型扩展至 6.9B 参数，并在 300B token 上预训练，表明独立扩展记忆比单独扩展基础模型更具参数效率。
探讨了人工智能智能体的不同长期记忆架构，重点关注使用 neon postgres 的智能体即内存控制器方法。
MOSAIC是一个结构化、具备冲突感知能力的LLM智能体长期记忆框架，它采用实体类型化图存储、哈希加速检索和主动冲突检测，在长对话问答和事实冲突检测任务上实现了高准确率和高效率。
介绍了MemOps，这是一个将对话记忆重新定义为具有结构化轨迹的生命周期操作的基准，能够对基于LLM的智能体中的记忆故障进行操作级诊断，揭示当前系统远未达到均匀可靠的境地。
ReflectWorld-MM 是一个面向实体的多模态记忆系统，专为开放式视频流设计，采用受人类记忆理论启发的分层长期记忆，在六个基准测试中达到了最先进的准确率。
亚马逊宣布推出Alexa的智能代理版本，具备长期记忆功能，并整合了超过1000个应用，增强了其作为个人AI助手的能力。
NapMem是一个框架，将长期用户记忆视为结构化动作空间而非被动检索，通过多粒度记忆金字塔和强化学习训练代理进行记忆导航。实验表明，在记忆密集型任务上表现有竞争力。
一个可复现的演示，展示如何使用Mem0为CrewAI添加长期记忆，通过快速/深度路由启发式算法减少令牌使用和延迟，并提供真实测量数据和实时仪表板。
Light-Omni是一个多模态智能体框架，用于高效视频理解，通过双上下文状态（全局状态和参数化潜在状态）避免迭代推理，实现更快更准确的处理，并显著提升速度和节省内存。