arXiv 论文提出以记忆为中心的智能体持续学习框架 MCCL
论文指出外部记忆系统多被当作被动检索缓存,无法支撑智能体长期持续学习。作者提出 Memory-Centric Continual Learning(MCCL),以三轴分类法组织记忆,定义内外双环生命周期,并给出评估协议与记忆缩放框架。核心主张是记忆应以是否改善未来行动来评判,而非仅看检索准确率。
共 7 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文指出外部记忆系统多被当作被动检索缓存,无法支撑智能体长期持续学习。作者提出 Memory-Centric Continual Learning(MCCL),以三轴分类法组织记忆,定义内外双环生命周期,并给出评估协议与记忆缩放框架。核心主张是记忆应以是否改善未来行动来评判,而非仅看检索准确率。
一项 arXiv 论文在 LongMemEval-S 与 BEAM-100K 上对比六种先进显式记忆系统与原始历史 RAG。结果显示显式记忆仅在特定问题类型和紧上下文预算下有局部收益,构建成本却可达每段对话数小时。作者指出检索仍是主要瓶颈,改进信息访问至少与构建更丰富记忆同等重要。
论文指出当前记忆系统仅以任务成功率或 token 成本衡量,忽略了记忆使用的形状。研究发现智能体记忆会集中于小核心而将稀有状态留在长尾,且该集中性依赖策略。作者提出 Core-Tail World Model(CTWM)控制器,在 LongMemEval 上减少 24.48% token 且准确率…
论文通过配对历史审计揭示记忆系统的一个失败模式:记忆能正确回答当前查询,却丢弃了后续更新所需的区分信息。在 24 组历史对、12 种记忆条件下测试 DeepSeek 与 GLM 后端,发现大量结构良好但语义错误的记忆,以及标识符重命名后晚期引用充分性从 8/8 骤降至 94/320。作者提出标签等…
开发者发布开源项目 TenseMem,为 AI 智能体提供嵌入式、确定性的记忆层,基于单个 SQLite 文件运行,无需服务器。它让模型提出带类型的结构化事实,由引擎判定当前有效值并给出新鲜度,避免相似度检索导致的过时信息混淆。
文章探讨AI智能体执行动作后的记忆与责任归属问题,即当AI自主行动时,谁负责记录和追溯其行为。这涉及AI可观测性与问责机制的核心议题。
开发者推出 Turnpanel,一个本地优先的 AI 工作空间,智能体可跨电脑操作、编排其他智能体并长期保存上下文。它通过后台维护将常用知识转化为可复用的记忆与技能,并内置浏览器与本地模型推荐功能。