#智能体记忆

共 10 篇相关文章

腾讯混元开源Hy-Memory 2.0持久记忆栈：Working/Code/Chat三层架构、30B-A3B稀疏专家模型、MemHub本地应用，Apache 2.0许可，LoCoMo准确率72.6%，单次查询token降39.3%，支持十款开发工具。

agentmemory 暴露 AI 智能体记忆系统的状态断言缺陷：保存返回 ID 却从未落盘，揭示静默回退、词汇混淆与顺序错误三类失败模式，并给出按生效时机排序的修复策略与四条可立即实践的检查清单。

AI智能体纠错后竟引用原始错误作为证据？开发者Afterhack项目用FalkorDB图数据库修复记忆溯源：纠错本身是人工证据而非简单编辑，需独立来源与置信度类型。本文解析搜索命中不等于证据、关联不等于失效、代码强制替代提示词请求等核心工程实践。

米兰架构师Abozar开源sandboxes.live项目，让5个AI智能体每日自主运行超580天。本文梳理ComicBook、数学求解器等智能体的产出，并复盘交接失败、负载均衡bug、记忆机制缺失与配色失误四类故障的解决思路。

AI智能体为何每次会话都从零开始？本文拆解Markdown文件、记忆工具、搜索钩子三类方案的共同缺陷，提出智能体记忆系统应通过的三道测试，并介绍一种基于精选记录、决策图与完整历史的分层设计思路。

一项名为Passport Control的Kaggle基准实测了18款大模型的智能体记忆写入能力，发现读取时间轻松、写入维护却困难重重：注入拒绝、隐含变更、记忆过期成最大短板，且模型越大越新未必越好。

arXiv新论文Nous提出一种统计框架，证明智能体记忆决策可在不先校准信息来源的情况下被学习和认证，样本复杂度比来源估计少一个平方量级，并在MiniGrid环境完成大规模实验验证。

一篇 arXiv 研究提出长程语言智能体的记忆呈现重尾分布，并据此设计核心—尾部世界模型 CTWM。实验显示其在多个基准上削减 token 达 24.48%、降低尾部预测误差，同时保持准确率持平。

arXiv 新论文提出 MATE（记忆适配）方法，解决具身智能体复用历史成功轨迹时被误导的问题。在 134 个 ALFWorld 任务上，MATE 用约十分之一的 token 实现了 81.3%-93.3% 的任务成功率，动作归一化是核心机制。

AI智能体的长期记忆真的只是检索问题吗？一位开发者通过实验发现，陈旧记忆解析占失败案例的37%，引入状态解析层后准确率从33%提升至78%。本文探讨为何长期记忆应被视为状态管理问题。