30 分钟:抓住概念边界

  1. 领域地图:先区分记忆对象、生命周期、改进对象和评测轴。
  2. Generative Agents:理解经验流与反思检索。
  3. MemGPT Towards LLMs as Operating Systems:理解有限上下文下的记忆控制。
  4. Reflexion Language Agents with Verbal Reinforcement Learning:观察跨试次经验闭环。
  5. Self-Refine Iterative Refinement with Self-Feedback:确认 test-time 精炼和 RSI 的区别。

2 小时:形成方法比较

  1. MemoryBank Enhancing Large Language Models with Long-Term Memory:个性化、更新与遗忘。
  2. ExpeL LLM Agents Are Experiential Learners:经验抽取和检索。
  3. Voyager An Open-Ended Embodied Agent with Large Language Models:程序技能与环境反馈。
  4. HippoRAG Neurobiologically Inspired Long-Term Memory for Large Language Models:图记忆 substrate。
  5. A-MEM Agentic Memory for LLM Agents 与 Mem0 Building Production-Ready AI Agents with Scalable Long-Term Memory:动态组织和部署取舍。
  6. 代表工作比较:按相同字段横向对照,不按摘要数字直接排名。

RSI 专题

  1. Darwin Godel Machine Open Ended Evolution of Self Improving Agents:程序级自修改与 benchmark 搜索。
  2. The AI Scientist Towards Fully Automated Open Ended Scientific Discovery:科研工作流的反馈闭环。
  3. 开放问题与判别实验:重点检查评价器独立性、跨任务泛化、安全回滚。

2026 进展:先用评价问题校准方法

  1. AM-2601-22436 Experience Faithfulness 与 RSI-2608-04003 PAST-Bench:记忆被调用是否真的改变行为?
  2. AM-2602-16313 MemoryArena 与 AM-2605-14906 MemLens:行动和多模态证据暴露哪些新困难?
  3. AM-2508-19828 Memory-R1、AM-2605-25430 CODESKILL、AM-2610-21091 MemComposer:分别学习管理、技能维护和记忆组合。
  4. RSI-2609-24972 RRSI 与 RSI-2609-26457 AIDE2:自修改能否在隐藏任务上保留收益?
  5. RSI-2610-04184 EvalResearchBench:产生反馈的评价器本身是否可信?

对这些问题形成判断后,再回到 领域现状与证据缺口,选择一个能用少量有判别力的实验检验的方向。

阅读卡片时记录五项

  • 系统记住或修改的对象是什么?
  • 什么信号触发写入、检索、更新或接受改进?
  • 哪个对照能证明记忆/改动造成收益?
  • 评价是否覆盖 held-out 任务、错误和代价?
  • 哪些 claim 由当前可读证据支持,哪些还待核验?