标签
一篇讨论帖，重点探讨 AI 智能体的“机构记忆问题”——习得的经验与诀窍分散在供应商控制的记忆功能、聊天记录和追踪数据中——引用了 NeuralTrust 于 10 月 27 日发表的文章，以及 InfoQ 对上下文、记忆和知识的区分，并询问从业者如何存储持久、可迁移的智能体知识。
Beacon 是一款开源的、可自我改进的编程智能体记忆与上下文交接工具，目前在 Product Hunt 热门榜上排名第一，让开发者能够在 Claude Code、Cursor 和 Codex 等 20 多种工具之间继续会话，无需重新解释项目。
Waymo首次披露了其无人驾驶出租车中高性能计算“大脑”的细节。与此同时，评论人士指出，Waymo的自动驾驶系统和特斯拉的芯片等人工智能驾驶技术，正推动对内存和车载计算能力的需求迅速增长。
SkillMem 为潜在空间中的多智能体推理引入了一种紧凑的外部潜在记忆，用于存储可复用技能。在使用 4B 至 14B 参数规模的 Qwen3 模型进行的各项基准测试中，其存储空间需求降至原来的 1/38，推理速度最高提升至原来的 4.23 倍。
作者将「从零手写 Agent」教程整理成开源项目 NamiAgent：一个既能当 11 课图文+代码教程、又能在本地跑起来的 Agent，支持读写文件、执行命令、MCP 接入、长期记忆与网页端可视化，仅依赖 openai 一个包。
Ragionex Memory 已向公众开放公测：它让 AI 代理自动构建并维护一个共享知识网络，配备上下文引擎、MCP 服务器、版本控制与团队共享知识库，并提供每月包含 1 万次请求的免费套餐。
L3G-World 提出了一种紧凑的潜在 3D 高斯记忆（L3G），与视频扩散 Transformer（DiT）交替进行自回归更新，以实现实时、长时程空间一致的交互式无限世界生成，在 9 FPS 下实现了最先进生成质量与显著的效率提升。
一位电子爱好者将从 Facebook Marketplace 购得的 $120 SK hynix DDR5-5600 笔记本内存颗粒移植到 AliExpress 的桌面 PCB 上，打造出价值约 $1000 的 DDR5-7800 桌面内存套装，以应对当前的内存涨价潮。
一位用户分享了他对 Qwenputer 的兴奋之情：这是一种新颖的方法，将标准 LLM 架构（Qwen3.5-4B）转变为文件系统、计算机和一种新型记忆，称赞其有望成为超越 Transformer 的革命性一步。
UC Berkeley 的一项研究发现，定期丢弃历史并从最佳结果重新开始的 Agent，比并行 Agent 表现高出最多 15%；文章还引用了 Microsoft 的 Fork-and-Flush 以及 Drew Breunig 提出的"上下文惯性"概念，来探讨跨上下文重置应该保留哪些状态这一开放问题。
Smart Jelly 是一款 Mac 应用，将日常 AI 工具（听写、会议助手、会前笔记、开放事项与代理追踪）整合到一起，共享同一套用户记忆，避免为多个各不相干的 AI 工具重复付费。
这篇注册研究考察了自改进智能体将运行结果写成教训时，是否会在后续决策中传递运气（随机性）的影响。实验发现，在可靠工具因偶然失败后，LLM撰写的教训会让智能体在后续运行中显著更多地选择较差的工具（11.6% vs 0.4%），而修改记忆写入指令可降低这一危害。
SK海力士预计，到2030年，其存储芯片需求将持续超过供应，这表明在人工智能驱动的需求之下，已经处于高位的RAM价格可能进一步上涨。
Google 等机构提出 StreamVibe 框架，包含 StreamVibe-Bench 基准、StreamVibe-VL 流式主动模型与 StreamVibe-Harness 分层记忆机制，使视觉语言模型能从连续视频观测中推断隐式且动态变化的用户意图，并在响应时机与主动交互上分别提升 10.7% 和 12.3%。
FlexA-Mem 提出一种预算自适应的智能体记忆机制，将历史一次性写入不可变存储，并为每次调用动态渲染紧凑的时间线记忆加相关细节，在 AppWorld、LongMemEval 和 LoCoMo 上显著优于 A-Mem 等现有方法。
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%。
论文提出 MemCryst 框架，通过记忆与技能的双向学习实现冻结语言模型下的终身上下文适应，并在 ALFWorld 等十个设置中的七个对比中取得领先结果。
提出 Self-Direction 机制，让智能体在任务失败后自我反思并将教训蒸馏进轻量级 LoRA 适配器，构建可持久复用的教训库，在 GAIA、Claw-Eval 和 Terminal-Bench 2.1 上将成功率提升 8.9 至 17.0 个百分点，并显著减少重复犯错。
论文提出 DraMaze，一个多智能体管线，利用叙事套路记忆引导的进化树搜索与反向叙事依赖树生成长篇微短剧剧本，并发布双语基准 MiDramaBench，实验显示因果模式重复减少 32.1%，逻辑得分超越基线 8.5 分。