Tag

#forgetting

2026/05/21 论文解读

记忆合并不是后台清理：Agent 长期记忆的高风险写路径

从 Useful Memories Become Faulty When Continuously Updated by LLMs 看，自动把成功轨迹持续压缩成文字经验，可能让 Agent 从有用记忆退化到错误记忆；长期记忆系统需要把 consolidation 当成可验证、可回滚、可门控的写操作，而不是无条件后台任务。

#AI memory #agent memory #long-term memory #memory-augmented agents #context compression #forgetting #memory evaluation #RAG

2026/05/20 研究综述

LongMINT：Agent 记忆真正难的是抗干扰，而不是存得更久

LongMINT 把长期记忆评测推到多目标干扰、事实修订和跨片段聚合推理场景；结合 MedMemoryBench 的 memory saturation，可以看到生产 Agent 记忆的核心风险不是容量不足，而是旧事实、新事实、噪声和多任务目标互相污染。

#AI memory #agent memory #long-term memory #memory-augmented agents #memory evaluation #RAG #forgetting #personalization

2026/05/18 论文解读

ZipAct：Agent 记忆不一定要回放历史，也可以维护状态

TMLR 2026-05-17 接收的 ZipAct 把 agent 的交互历史压缩成 Goal、World、Constraint 三类结构化状态，让动作生成只看当前状态表和最新观察。它提醒我们，长任务记忆的关键不只是存储更多历史，而是把可执行状态、负反馈和约束持续更新到一个可验证的工作记忆里。

#AI memory #agent memory #context compression #memory-augmented agents #memory evaluation #RAG #forgetting

2026/05/05 论文解读

记忆稀释：AI Agent 的长期记忆为什么仍然会遗忘

从 arXiv:2604.27003 和 elfmem 看，外部记忆并不会自动解决持续学习；它只是把灾难性遗忘从参数更新搬到检索、表示、评分衰减和经验复用策略里。

#AI memory #agent memory #long-term memory #continual learning #memory evaluation #forgetting #personalization

2026/05/02 架构优化

记忆作用域合约：AI Agent 长期记忆真正难的是边界，不是存储

从 2026-05-02 的 agent memory 产品面讨论、ChatGPT Project-only memory、Claude 个性化功能和 Mem0/Cloudflare 的工程材料看，生产级记忆系统必须先定义用户、项目、任务和运行审计的边界，再谈向量库、图谱和长上下文。

#AI memory #agent memory #long-term memory #personalization #memory evaluation #forgetting #RAG

2026/05/01 论文解读

经验压缩谱：为什么 AI 记忆系统不能只停在“存得更多”

从 arXiv:2604.15877 看，长期记忆、技能和规则不是三个孤立模块，而是同一条经验压缩轴上的不同粒度；真正缺失的是跨层晋升、降级和生命周期治理。

#AI memory #agent memory #long-term memory #context compression #agent skills #memory evaluation #forgetting