RoMeRL:降维效用状态打破智能体“记忆-奖励陷阱”,显存开销直降84%
针对这一困境,最新研究提出了 RoMeRL(Reduced-Order Memory Reinforcement Learning) 。它放弃了给每一条历史轨迹单独赋予效用值的传统做法,而是将无限膨胀的轨迹级状态空间映射为 每个任务仅保留 4 个固定语义坐标的降维效用状态 。
针对这一困境,最新研究提出了 RoMeRL(Reduced-Order Memory Reinforcement Learning) 。它放弃了给每一条历史轨迹单独赋予效用值的传统做法,而是将无限膨胀的轨迹级状态空间映射为 每个任务仅保留 4 个固定语义坐标的降维效用状态 。
最新提出的 Zero-Mem 正面挑战了这种主流的生成式记忆范式。这项工作提出了 零 Token 记忆操作 (Zero-Token Memory Operations)的新标准:除了在最终根据检索证据回答用户问题的 Reader 阶段调用一次 LLM。
为此,研究团队提出了 MemOPD (Memory-Aligned On-Policy Distillation)框架,在长程问答基准上使 3B 模型的 F1 值相比纯 PPO 基线最高跃升 416.2%,并在保证数值一致性的前提下带来了最高 1.63 倍的训练加速。
针对这一核心瓶颈,来自华为、慕尼黑大学(LMU)、慕尼黑工业大学(TUM)、浙江大学等机构的研究团队提出了 MemWM (Memory-Augmented Text-Based World Model)。
针对这一长期记忆难题,来自北京大学的研究团队提出了 SodaMem 。该工作将 Agent 的长期记忆重新定义为一种强证据溯源的时序知识图谱(Evidence-Grounded Temporal Graph Memory)。
为了探索适合科研文献的专门记忆模式,研究团队在论文中提出了名为 Theoria 的三层记忆框架。科研人员阅读文献的过程通常是分层的:底层是具体的实证结果(Evidence),中间是由若干相似方法或流派形成的聚类群落(Community),顶层则是统领性的理论脉络(Theory)。
来自中国科学院与重庆长安科技的研究团队提出了 DriveVLA-M0 。这项工作不再试图通过无休止的离线全量重训来抹平所有长尾错误,而是开创性地为自动驾驶VLA系统构建了一套带有“失败感知”的结构化隐式记忆库与测试时自适应机制。
针对这一痛点,一项最新研究正式提出了 故障后记忆恢复 (Post-failure Memory Recovery)任务,并设计了一套 依赖引导的回滚修复 (Dependency-Guided Rollback Repair)机制。
东京理科大学团队提出的 GaussMemory 打破了这一僵局。该方案放弃了被动存储的死板逻辑,转向由任务驱动的“主动记忆”范式。论文的核心主张是:机器人不应该只是记录它看到了什么,而应该端到端地学会“如何去记”——自主发现哪些物体需要高精度追踪、以多大的激进度进行位置修正,以及何时丢弃无用信息。
这项研究提出了轻量级学习机制 OAS(Offline Abstraction-Safety) ,不仅在理论上将“何时整合(When)”与“用何种算子整合(Which)”统一到一个效用决策框架中,更证明了记忆管理的最优策略并非由某个固定的 Token 阈值决定。
来自浙江大学等机构的研究团队提出了 AttriMem ,这是一种通过归因技术提取过程反馈的 Agent 记忆学习框架。其核心思想在于:不再将记忆动作当成黑盒,而是利用最终答案的变化反向推导中间记忆中具体到 Token 级别的贡献,将全局结果奖励与局部过程奖励深度融合。
这项工作将这一现象定义为 语义物化 ( Semantic Materialization ),并系统性地提出了面向稀疏事件 KV 服务的“内存契约”(Memory Contract)。
来自佛罗里达州立大学(Florida State University)的研究团队在一篇前沿工作中直击这一痛点,提出了 ConsistencyGate 。这是一个基于自洽性(Self-Consistency)准入控制的写入网关:它不依赖任何模型微调,也不去改变检索和淘汰逻辑,而是在事实准备写入...
来自中国科学院自动化研究所、北京大学、美团及伦敦大学学院的研究团队,在一项最新研究中提出了名为 UniMem 的自路由记忆框架。该框架受人类大脑互补学习系统(Complementary Learning Systems, CLS)的启发,在无显式任务标签、无清晰任务边界的流式任务场景下。
针对这一核心痛点,最新研究提出的 CoEvoKG 框架给出了一个极具启发性的闭环解法: 将知识图谱(Knowledge Graph, KG)同时作为可验证训练任务的“发生器”与智能体进化的“永久证据记忆库” 。
FinPerMA:这项研究不仅揭开了大模型在“动态偏好演化”上的认知短板,也对 Agent 记忆系统的工程设计提出了深刻反思。要衡量一个 Agent 是否真正具备个性化能力,金融咨询是一个绝佳的试验场。
针对长程人本具身决策的核心瓶颈,最新研究提出了全新的评估基准 DunphyBench ,以及一种由偏好条件引导的多模态记忆压缩框架 MeMento 。该工作不仅系统性地揭示了“无节制堆砌多模态历史上下文反而导致智能体决策崩溃”的非单调现象。
由哈工大、上海人工智能实验室、清华大学、上海交通大学等团队联合提出的 PI-Mem(Parallel-Iterative Memory) ,彻底打破了这一“保精度就必须牺牲吞吐、求轻量就必然遗忘”的权衡困局。
为此,研究团队提出了完全免训练的长程记忆框架 WorldTrace ,以及专门用于评估场景回访一致性的基准测试 LoopBench 。在不改变原有模型权重、不增加显存峰值的前提下,WorldTrace 实现了 15.5% 的时序一致性提升,并将场景回访的情节召回率提高了 19.5%。
MindMemOS 从根本上重构了记忆的表征形态,提出“实体–属性–时间”三维组织图谱,并配套开发了一套能够主动演化的算法引擎:在线通过紧凑检索与动态图融合吸收上下文,离线通过类似人类睡眠的“做梦(Dreaming)”机制合并冗余与化解冲突;同时,它利用用户的隐式纠错信号完成校准。
针对这一症结,来自中国传媒大学媒体融合与传播国家重点实验室和智联英和技术团队提出了全新长程记忆框架 RippleMem 。该框架打破了传统记忆系统“单次孤立检索(Isolated Retrieval)”的思维定式,转而借鉴人类认知心理学中的情景记忆激活机制。
针对这一困境,研究团队提出了 EchoPath ——一种模型无关且环境无关的执行级可重放记忆框架。它不再将历史经验作为冗长的 Prompt 上下文喂回大模型,而是将经过终局验证的 GUI 执行轨迹提炼为标准化的“可调用资产”(类似 MCP 风格的确定性工具)。
针对这一长期困扰智能体进化的瓶颈,福州大学、香港理工大学、MemTensor、中国科学技术大学与西安交通大学等机构的研究人员提出了一种免训练的记忆与技能共进化治理框架——MSCE(Memory-Skill Co-Evolution)。
韩国大邱庆北科学技术院(DGIST)的研究团队针对这一长期未解的痛点,提出了名为 LT-Mem 的易变性自适应时空记忆演进框架。该框架不把环境中的所有实体视为静态背景,也不对其进行无差别的纯文本历史流水账记录,而是建立在多会话统一几何对齐的基础上,引入“物体易变性”(Volatility)这一...