标签
这篇论文研究了记忆架构如何影响玩刘易斯信号游戏的LLM智能体中语言的涌现，发现持久化的私有笔记本记忆优于无状态智能体，并防止高容量崩溃。
本文深入探讨了AI Agent的记忆架构，以Hermes四层记忆模型为例，分析了Claude Code记忆系统的局限性，并介绍了如何通过开源框架（如EverOS）为Agent增添本地记忆能力，提供了详细部署步骤。
本文提出ReverieMem，一种用于基于书籍的LLM角色扮演代理的三层记忆架构，可防止事实越界和风格单调。同时引入了KBF-QA基准测试，并在知识边界保真度和叙事质量方面取得了显著改进。
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。
小米开源了MiMo Code，一款采用新颖记忆架构的AI编码助手，在长期任务上表现优于Claude Code，并免费提供MiMo-V2.5模型。
本文提出正交子空间雕刻（OSC），一种新颖的记忆架构，通过将填充物投影到角色基的零空间上，在恒定内存占用下实现深度递归绑定，克服了张量积表示的指数级扩展问题。
本文分析了GitHub Copilot的内存架构，该架构使用锚定到特定代码引用的结构化内存对象，并采用即时验证来对抗知识过时。启用内存后，在针对真实开发者的A/B测试中，Copilot的拉取请求合并率从83%提高到90%。
来自多伦多大学和 Vector Institute 的研究人员提出了线段树记忆（SegTreeMem），这是一种面向长时域对话智能体的记忆架构，利用层次化线段树结构在在线构建和检索过程中保留时间顺序。在三个数据集上的实验表明，与不考虑时间顺序的树状基线相比，LLM 评判准确率提升了近 20%。
全面分析主要 AI 智能体平台（Claude Code、OpenAI Codex、Copilot、Windsurf、Devin 等）的内存架构，讨论内存管理方式、当前缺陷以及未来发展方向。
Eywa是一种基于溯源的人工智能代理长期记忆架构，它存储不可变的源证据，验证提取的记忆，并在LoCoMo、LongMemEval-S和BEAM上取得了强劲的基准测试结果。
一份详细的架构指南，介绍如何构建长期运行的AI代理，通过结合向量存储、图数据库和时间边缘（temporal edges）来处理随时间变化的用户偏好，而不是覆盖数据。
一位开发者分享了 Helix-AGI，这是一个持续运行的认知代理，使用基于物理的记忆检索系统，通过熵引力方程和欧拉-拉格朗日动力学，整合了时间近性、结构重要性和语义邻近性，无需单独调整权重。
介绍了Stratum，一种采用3D堆叠DRAM的系统硬件协同设计方法，以高效加速混合专家（MoE）模型。
OpenSquilla 推出了一款开源 AI 代理运行时，通过智能路由、缓存和四层记忆架构来降低 Token 成本，声称可节省 60-80% 的费用。
EvolveMem为LLM智能体引入了一种自演化记忆架构，通过LLM驱动的诊断和迭代研究周期来优化检索配置，在LoCoMo和MemBench等基准测试上取得了显著的性能提升。
Lyzr Cognis 推出统一开源记忆系统，融合 BM25 与 Matryoshka 向量搜索并支持版本感知写入，在 LoCoMo 与 LongMemEval 基准上实现 SOTA。