标签
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。
描述了一款能够记忆、适应并随时间推移变得更实用的AI的开发过程，将其定位为真正的伙伴，而非仅仅是助手或工具。
本文介绍了Profile-guided Personalized Retrieval Optimization (PPRO)，一种通过将用户画像融入记忆检索并利用强化学习优化检索的框架，增强了长期对话智能体的能力，在现有方法上实现了持续改进。
一位开发者讨论了使用 Engram 为 Hermes 代理构建自定义记忆插件，该插件将新信息与现有记忆进行协调，以避免过时和重复，并向 OpenClaw 社区询问他们记忆使用的情况。
盛大集团创始人陈天桥旗下EverMind团队开源了EverMemOS（EverOS），一个类脑智能记忆操作系统，旨在通过模拟人类记忆机制解决大语言模型的遗忘和上下文受限问题，为AI Agents提供长期记忆基础设施。
Cognee 是一个开源 AI 记忆平台，通过自托管的知识图谱为智能体提供持久的长期记忆，使其能够跨会话进行回忆和上下文理解。
探讨了AI智能体记忆系统如何常常忽略工作记忆等关键认知过程，将其与顺行性遗忘症进行类比，并为更有效的解决方案提供设计指导。
MEMPROBE是一个基准，通过从智能体交互后的记忆中重建隐藏用户状态，来评估大语言模型智能体的长期记忆能力。
ActiveGraph宣布了两篇关于代理记忆（LongMemEval）和自我改进机制的新论文，并提供了参考代理、包模板以及即将在西雅图和旧金山举行的聚会。
AtomMem 为 LLM 智能体引入了一种长期记忆系统，将原子事实作为高效记忆单元，将其组织成层次化的事件结构和时间用户画像，在 LoCoMo 基准上达到了最先进水平。
Elasticsearch博客文章描述了构建一个持久化智能体记忆层，包含三种记忆类型（情景记忆、语义记忆、程序记忆），在QA评估中实现0.89召回率，并利用混合召回和DLS隔离实现了零租户泄漏。
CoreMem提出了一种资源高效的边缘-云端内存架构，用于对话代理，采用基于Fisher-Rao度量的黎曼检索和Fisher引导的离散令牌蒸馏，在8 GB VRAM预算内实现了显著的准确性提升。
MemTrace 是一个基准，它在知识点层面评估 LLM 代理的记忆，探究事实在不同记忆年龄、问题类型和证据条件下的表现。它揭示出汇总的准确率掩盖了不同的失败模式，并且主要瓶颈是证据的使用而非检索。
T-Mem 是一种新型长程对话记忆架构，能够同时支持描述性回忆和关联性回忆，涵盖查询与记忆共享表面特征的场景以及两者通过潜在语义弧相连的场景。该架构在 LoCoMo 和 LoCoMo-Plus 基准测试上达到了最先进水平。
腾讯开源了Hy-Memory，这是一个为AI代理提供长期记忆的内存插件，采用6层双推理框架，将令牌使用量减少35%，内存膨胀减少70%。
Midas 在 BEAM 100K 上达到 0.56 recall@k，在 BEAM 500K 上达到 0.51 recall@k，零 LLM 调用、零成本，展示了高效的智能体长期记忆能力。
MemRefine是一个基于LLM的框架，用于在固定存储预算下压缩长程智能体记忆，利用相似性进行候选配对，并由LLM裁判基于事实内容决定删除或合并，在基准测试中优于基于规则的基线。
介绍了Infini Memory，一种用于LLM智能体的可维护基于文本的持久化记忆架构。它使用主题结构化文档和迭代检索来改进长期记忆使用，在MemoryAgentBench上达到了64.7%的得分。
REAL是一种用于LLMs长期记忆管理的推理增强图框架，它利用时间与置信度感知的有向属性图，采用非破坏性时间更新和混合波束搜索检索，平均性能提升22.72%。
一位用户质疑基于重要性、强化和衰减来决定保留或遗忘内容的AI记忆管理器系统的可行性。