metamemory

这篇斯坦福研究论文介绍了AutoMem，这是一个将智能体记忆管理视为可训练技能的框架。通过分别优化记忆结构和熟练度，AutoMem在长周期任务上将基础智能体性能提升了2到4倍，使得一个32B开源权重模型能够与Claude Opus 4.5和Gemini 3.1 Pro Thinking等前沿系统竞争。

AutoMem 引入了一个框架，将记忆管理作为 LLM 的可训练技能进行自动化学习，通过优化记忆结构和熟练度，将长期任务的性能提升 2-4 倍。