MRMS：不是扩展上下文，而是结构-向量-图双轴长效记忆基座！
语言模型能够在单次提示的对话中生成连贯的回复，但当面对需要长期存在的长效智能体（Long-LivedAIAgents）时，单纯依赖上下文窗口的扩展往往会遭遇系统性的瓶颈。长效智能体需要在跨度极长、次数繁多的交互中维持对用户偏好、既往决策、约束条件以及未完成目标的记忆。
知识系统 第4页
PM-Bench：UCLA发布前瞻记忆基准，最强GPT-5.4得分仅65.1%
大语言模型（LLM）驱动的智能体系统正在被赋予越来越长周期的任务期望。如今的模型能够浏览网页、编写代码、制定计划、调用工具，并在多轮对话中采取行动，而不再局限于单次提示词的响应。
Meta主动记忆智能体：变被动检索为精准干预，长任务提升8.3%
在大型语言模型驱动的智能体（LLMAgent）研究中，业界长期受困于一个看似无解的顽疾：当任务轨迹变得越来越长，智能体会不可避免地变得“健忘”且固执。这种健忘往往不是因为上下文窗口不够大，而是智能体在漫长的局部试错和多步执行中，丢失了对全局约束和历史经验的控制力。
Apple提出Shared Selective Persistent Memory：4大机制将完成率升至96%
当前，具备自主规划和工具调用能力的AgenticLLM（智能体大模型）系统正在重塑数据分析与代码生成的范式。然而，所有主流的智能体框架都面临一个根本性的上下文难题：会话是无状态的。每次用户启动一个新任务，系统就像完全失忆一样从零开始，直接丢弃了在过往会话中积累的工具配置、领域约束、数据模式以及...
哈工大提出KnowAct-GUIClaw：自进化记忆框架，MobileWorld胜率达64.1%！
随着大语言模型能力的飞跃，智能代理（Agent）正在经历从一次性问答机器人向状态持久、可长期运行的个人桌面和手机助手的关键转型。然而，真实的设备生态往往不提供完美结构化的API接口，很多高价值任务要求系统直接在图形用户界面（GUI）上进行复杂交互。
MemOps：定义5大记忆生命周期，揭露大模型状态更新短板！
随着大语言模型（LLM）的快速迭代，AI正在从仅能处理单次会话的简单助手，演变为能够跨越数天、数周乃至数月陪伴用户的长期智能体。在这种长周期、多会话的交互场景中，长记忆能力（Long-termMemory）已经成为决定智能体能否维持连贯性、并提供个性化体验的基础能力。
从“死记硬背”到“经验直觉”：LLM智能体记忆机制的三阶进化论
很多开发者在构建大模型智能体时，常会遇到一个非常棘手的问题。给智能体配备了外部工具，写了超长的提示词，但它在多步复杂任务中依然会“断片”。它要么在同一个地方重复犯下逻辑错误，要么在动态变化的环境中彻底迷失了最初的目标。根本原因在于，大语言模型（LargeLanguageModel,LLM）本身...
提速60%的BoundaryRouter：揭秘LLM与Agent冷启动智能路由
在实际的业务落地中，大型语言模型面对复杂任务常显力不从心。为了提升性能，开发者往往会引入具备工具调用能力的智能体。然而，智能体的算力成本和推理延迟往往让人望而却步。事实上，许多基础查询完全在轻量级模型的原生能力边界之内。它们根本不需要启动完整的智能体执行流。近期，多所顶尖高校联合提出了一项名为...
Agentic Memory: Learning Unified Long-Term and Short-Term Memory Management for Large Language Model Agents
Agentic Memory：让LLM像人类一样“自主管理”记忆，长程推理能力暴涨49%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
AI Meets Brain: Memory Systems from Cognitive Neuroscience to Autonomous Agents
AI记忆系统的“脑科学”革命：复旦哈工大万字综述，揭秘智能体进化的核心。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
CogMem: A Cognitive Memory Architecture for Sustained Multi-Turn Reasoning in Large Language Models
给大模型装上“类脑记忆”：CogMem三层架构破解长对话遗忘难题，多轮推理更像人。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
CoMeT: Collaborative Memory Transformer for Efficient Long Context Modeling
阿里CoMeT：32k训练解锁100万长文，显存恒定，告别KV Cache爆炸。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Fast-weight Product Key Memory
Sakana AI新作：赋予模型“即时记忆”，4K训练竟能泛化至128K长文。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Forgetful but Faithful: A Cognitive Memory Architecture and Benchmark for Privacy-Aware Generative Agents
给 AI 装上“橡皮擦”：MaRS 架构如何用“遗忘”换取 0.911 的高分表现？。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Hindsight is 20/20: Building Agent Memory that Retains, Recalls, and Reflects
准确率飙升至91%！Hindsight：让20B模型记忆力超越GPT-4o。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
MemEvolve: Meta-Evolution of Agent Memory Systems
让Agent自己“进化”大脑？MemEvolve实现17%性能跃升与跨模型泛化。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Memoria: A Scalable Agentic Memory Framework for Personalized Conversational AI
告别AI“健忘症”：Memoria利用加权知识图谱打造可扩展的个性化记忆。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
MemRL: Self-Evolving Agents via Runtime Reinforcement Learning on Episodic Memory
告别微调！MemRL：用“记忆RL”让Agent在运行时实现自我进化。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
MoEBlaze: Breaking the Memory Wall for Efficient MoE Training on Modern GPUs
MoEBlaze：打破显存墙！Meta提出MoE训练新框架，速度飙升4倍。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Prefill vs. Decode Bottlenecks: SRAM-Frequency Tradeoffs and the Memory-Bandwidth Ceiling
打破LLM能效瓶颈：32KB缓存+1.4GHz高频竟是最佳硬件甜点？。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
QwenLong-L1.5: Post-Training Recipe for Long-Context Reasoning and Memory Management
QwenLong-L1.5：挑战GPT-5，揭秘400万字长文本推理的“后训练”秘籍。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
RevFFN: Memory-Efficient Full-Parameter Fine-Tuning of Mixture-of-Experts LLMs with Reversible Blocks
单卡全量微调MoE大模型？RevFFN让显存占用减半，性能超越LoRA。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
RMAAT: Astrocyte-Inspired Memory Compression and Replay for Efficient Long-Context Transformers
模拟大脑“胶质细胞”！RMAAT解锁线性注意力，长序列训练显存效率暴涨。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
SimpleMem: Efficient Lifelong Memory for LLM Agents
SimpleMem：让Agent记忆成本暴降30倍！F1提升26.4%的“语义无损压缩”新架构。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。