Agent Memory
Study
AMS / AN OPEN RESEARCH PRACTICEINFORMATION · EXPERIENCE · INTELLIGENCEEST. 2026 ↗

AgentMemoryStudy

经验如何成为可继承、也可改变的能力？

从 agent memory 出发，研究信息、经验与智能的跨时间关系。基础学习、机制解释、理论追究与实验共同构成 AMS；新的知识也可以改变我们的问题。

01 / THE INHERITANCE FIELD46 份研究 · 一个不断改变的整体
2026.10 · 一个继续生长的研究体从一个陌生的词开始，也从一个还没想通的地方继续。

BEGIN ANYWHERE

从一个词，
打开一个问题。

接续文件只在当前浏览器读取。

03 / 继续一项已有研究

D  → fit → θ
ΔD → revise → θ′

经历被保存以后，选择方式如何真的改变？

一次判断结束后，可以留下完整案例、可读规则，或者一组更新过的参数。下一次遇到相近情境，这些载体会以不同方式参与选择。本专题把论文、产品接口与开源实现放在一起，再用原创的结构化实验追踪学习前后和纠正之后的变化。

进入这次研究 ↗

02 / THE RESEARCH ATLAS

研究星图A constellation of ideas.

沿着一条引用，去另一颗星。

选取星点阅读，放大展开标题。位置按领域编排，连线只表示显式引用，不代表语义距离。

46 / 46 OBJECTS · 63 LINKS

一条更正之后 · 研究札记一条更正之后没有再读那段往事，它为什么还是改变了选择？ · 研究札记没有再读那段往事，它为什么还是改变了…谁在管理记忆？快判断、慢推理与旧信息的退场 · 研究札记谁在管理记忆？快判断、慢推理与旧信息…概括之后，往事还记得准吗？ · 研究札记概括之后，往事还记得准吗？经验如何成为可继承、也可改变的能力？ · 研究札记经验如何成为可继承、也可改变的能力？系统怎样改变，同时保留值得继承的东西 · 研究札记系统怎样改变，同时保留值得继承的东西经验怎样获得形式 · 研究札记经验怎样获得形式AMS 怎样学习与生长 · 研究札记AMS 怎样学习与生长一条记录、一种表示、一个记忆系统 · 研究札记一条记录、一种表示、一个记忆系统过去怎样进入当下 · 研究札记过去怎样进入当下找到一样的，还是找到相关的？ · 研究札记找到一样的，还是找到相关的？索引也能学习——究竟学了什么？ · 研究札记索引也能学习——究竟学了什么？A-TMA: Decoupling state-aware memory failures in long-term agent memory · 来源材料A-TMATRUSTMEM: Learning trustworthy memory consolidation for LLM agents with long-term memory · 来源材料TRUSTMEMVerifiable memory: Learning unified memory management with local and global verifiers for large language model agents · 来源材料Verifiable memoryAccurate and efficient long-term memory for LLM agents · 来源材料Accurate and effic…Do proactive agents really need an LLM to decide when to wake and what to anchor? · 来源材料Do proactive agent…PM-bench: Evaluating prospective memory in LLM agents · 来源材料PM-benchMistake notebook learning: Batch-clustered failures for training-free agent adaptation · 来源材料Mistake notebook l…Cognitive architectures for language agents · 来源材料Cognitive architec…From storage to experience: a survey on the evolution of LLM agent memory mechanisms · 来源材料From storage to ex…When continual learning moves to memory: a study of experience reuse in LLM agents · 来源材料When continual lea…Agentic memory: Learning unified long-term and short-term memory management for large language model agents · 来源材料Agentic memoryMIDCA: a metacognitive, integrated dual-cycle architecture for self-regulated autonomy · 来源材料MIDCAA truth maintenance system · 来源材料A truth maintenanc…On the logic of theory change: Partial meet contraction and revision functions · 来源材料On the logic of th…Memory beyond recall: a dual-process cognitive memory system for self-evolving LLM agents · 来源材料Memory beyond reca…InsightEmb: Learning Action-Intent Embeddings for Agentic Insight Retrieval · 来源材料InsightEmbLongMemEval-V2: Evaluating Long-Term Agent Memory Toward Experienced Colleagues · 来源材料LongMemEval-V2StateFuse: Deterministic Conflict-Preserving Memory for Multi-Agent Systems · 来源材料StateFuseFluctlightDB: A Memory Model of Data for AI Agents · 来源材料FluctlightDBFrom Recall to Forgetting: Benchmarking Long-Term Memory for Personalized Agents · 来源材料From Recall to For…MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery · 来源材料MEMPROBEUseful Memories Become Faulty When Continuously Updated by LLMs · 来源材料Useful Memories Be…Recursive Experiential–Working Memory Evolution for Long-Horizon Agent Harnesses · 来源材料Recursive Experien…Cache-to-Cache: Direct Semantic Communication Between Large Language Models · 来源材料Cache-to-CacheCross-Model KV Cache Transfer in LLM Families: A Closed-Form Linear Mapping for Prefill Reuse · 来源材料Cross-Model KV Cac…The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It · 来源材料The Pain AxisJev-Mem: System-One-Controlled Agentic Memory for Efficient AI Agents · 来源材料Jev-Mem旧经验，怎样继续帮助当前任务？ · 开放问题旧经验，怎样继续帮助当前任务？经验怎样长成判断习惯？ · 开放问题经验怎样长成判断习惯？旧经验还在，也可能失去被使用的机会 · 实践判断旧经验还在，也可能失去被使用的机会新说明出现，不代表旧范围已经失效 · 实践判断新说明出现，不代表旧范围已经失效来源对象消失，不保证派生影响消失 · 实践判断来源对象消失，不保证派生影响消失改对更正项，还要检查原本正确的范围 · 实践判断改对更正项，还要检查原本正确的范围输出被挡住，不等于参数已纠正或来源已遗忘 · 实践判断输出被挡住，不等于参数已纠正或来源已…
选取星点阅读 · 放大展开标题 · 拖动平移G = (V, E)   /   EXPLICIT REFERENCES ONLY

已选择经验如何成为可继承、也可改变的能力？，4条显式引用。

DIRECTIONS / 长期追问

长期追问Questions
worth keeping.

方向是持续的关切。新的知识可以使它分叉、汇合，或暂时停驻。

FIELDS / 知识定位

研究没有
固定形状。

从 agent memory 出发，基础领域也可以独立深入。地图指路，允许交叉与暂未归类。

STUDY NOTES / 理解的形状

NOTES学习留下的东西。

一段解释、一项推导、一场对读，或一项有边界的实验。长短与形式，由内容决定。

共读 · 未执行方案

概括之后，往事还记得准吗？

一段经历可以留下原话、形成概括，也可以改变下次的选择。但这三种变化并不相同。沿着事件记忆、schema 和长上下文研究，我们追问：整合带来了什么，哪些细节仍应独立保存，进入输入的往事又为什么没有被正确使用？本专题连接十三篇来源，并提出两项尚未执行的研究。

共读 · 已保存研究结果

没有再读那段往事，它为什么还是改变了选择？

一次判断结束后，可以留下完整案例、可读规则，或者一组更新过的参数。下一次遇到相近情境，这些载体会以不同方式参与选择。本专题把论文、产品接口与开源实现放在一起，再用原创的结构化实验追踪学习前后和纠正之后的变化。

共读 · 已保存研究结果

谁在管理记忆？快判断、慢推理与旧信息的退场

一句“这条信息已经过时”进入系统后，会发生什么？Jev 给了记忆管理一种有界判断接口；存储、关联、检索与生成仍由具体执行路径接起来。沿着这些接口读下去，可以把“有记忆”拆成可观察的能力，也能看清哪些能力尚未得到证明。

共读 · 原创规则演示

一条更正之后

经验被写下来之后，还有一段生活：工具换了版本，来源被撤回，旧任务仍在继续。一条“更新后的记忆”能不能同时照顾这些变化？我们把四份材料放到同一张桌上，读完之后，亲手改动一个条件。

INQUIRIES / 持续探究

把问题，
再往前推一点。

已有的解释、竞争的解释，以及足以改变认识的下一步。

问题 01 / 持续研究

旧经验，怎样继续帮助当前任务？

经验在什么条件下能够提高当前能力？环境、版本或适用范围改变以后，怎样继续受益，又不被过去误导？

目前的认识

目前能说明的是：经验还在不保证取得到，较新的说明不保证适用于当前范围，派生状态的撤回还可能需要单独处理。我们尚未证明，把条件与修订关系加入 memory 就能提高真实 agent 的任务完成率。

读论述、证据与下一问 →

问题 02 / 持续研究

经验怎样长成判断习惯？

同一批经验保留为案例、规则或参数时，怎样改变未见情境中的选择；反馈被纠正之后，这种改变又怎样更新？

目前的认识

在本站给定且训练支持内的结构化特征上，案例近邻与小分类器都预测对了原标签。仅对更正样本继续拟合改对了目标范围，却损伤了保留范围；完整重训也出现边界退化。这里的学习与纠正路径可复核，但没有证明新语义泛化、真实任务收益或来源影响的彻底遗忘。

读论述、证据与下一问 →
带回工程与实践 有范围的判断、依据与目标侧检查 ↗

Take it into practice

你遇到了什么问题？

不用先想起论文名字。取回几条相关判断，带着做法、依据和边界继续工作。

本地关键词匹配，每次最多返回 3 条；可用中英文关键短语。匹配在浏览器内完成，不调用模型或远端检索。全部内容搜索不受此上限影响。

先看看这三条判断，或用关键词在全部 5 条中检索

旧经验还在，也可能失去被使用的机会 →

先检查必要条目是否还在、是否进入候选、排名与最终 context。把“相同内容的重复”和“相同主题、不同条件的经验”分开，再选择去重粒度或检索组织。

适用：候选池增长后，结果越来越相似，原本可用的经验却很难取到；或准备给记忆检索加去重时。

新说明出现，不代表旧范围已经失效 →

保留适用条件、修订关系与支持来源。区分更正、状态变化和不同范围并存；当前范围有冲突时展示冲突，并用可独立检查的环境证据确认条件。

适用：工具参数、配置 schema 或工作经验随版本改变，但旧环境仍然在使用；或多个来源对同一范围给出不同建议时。

来源对象消失，不保证派生影响消失 →

列出来源到派生物的计算关系，明确失效或重算范围；把“删除后复用”与“来源从未参与计算”的参照比较。先在目标系统确认依赖，再决定是否需要重算。

适用：设计来源撤回、缓存复用或派生记忆失效时，需要说明“删除完成”究竟保证哪一层。

导出当前结果，连同署名、依据和边界。

UNDERSTANDING IN MOTION

最近，理解怎样变了。

把两个 recall 分开

明确近邻集合与需求相关集合，让基础学习留下可以继续推导的区别。

查找与书架

27 份材料 · 12 个共读 · 2 个问题专题 · 5 条实践判断。

27 材料 · 12 共读 · 2 问题 · 5 判断

支持空格分隔的多词搜索。专题与实践判断按其引用的同一篇材料匹配主题、surface 与 depth；它们本身不标阅读深度。

展开研究书架 46 条公开内容
共读
一条更正之后

旧经验该退出哪里，又应该留在哪里？

4 份串读材料

问题
旧经验，怎样继续帮助当前任务？

经验在什么条件下能够提高当前能力？环境、版本或适用范围改变以后，怎样继续受益，又不被过去误导？

持续研究 · 当前判断可修订

问题
经验怎样长成判断习惯？

同一批经验保留为案例、规则或参数时，怎样改变未见情境中的选择；反馈被纠正之后，这种改变又怎样更新？

持续研究 · 当前判断可修订

从既有研究地图进入 Failure surfaces · 阅读路径 ↗

已有材料的阅读路径

路径是编者建议，不是进度要求；可以从任意一篇离开。

AN OPEN-ENDED STUDY

给尚未想通的东西，
一个继续生长的地方。

AMS 为理解留下位置：一个陌生的概念、一次对读、一项推导，都可以成为研究的开始。我们追踪解释怎样改变，也给暂时无法解释的东西保留余地。

AMS 怎样学习与生长 ↗

公开研究与私人共学分开。这里没有账号或访客档案；接续由你保存为本地文件。来源保有阅读范围，演示、研究结果与编者判断分别说明。

已打开 AMS 研究书房