M·RAgent Memory × RSI本地阅读站
问题与方法的关系

论文关系地图

每条路线按首次发表时间排列。点击题名突出相邻工作,沿机制、评测与改进对象跨路线阅读。

关系表示本知识库的概念关联,包含正向和反向链接;不代表引用或技术继承。

评测与忠实度 8

2024 · P0 · 摘要核验

把长期对话理解分解为问答、事件摘要和多模态对话生成,是后续 memory 方法常用的评测起点。

阅读论文 →
2024 · P0 · 正文重点核验

用信息提取、多 session 推理、时间推理、知识更新和拒答五类能力诊断长期记忆。

阅读论文 →
2025 · P0 · 摘要核验

把数据组织为顺序任务流,检查 agent 能否边执行边检索、整合和更新经验。

阅读论文 →
2026 · P0 · 摘要核验

用对原始与压缩经验的因果干预,检查决策是否依赖经验内容。

阅读论文 →
2026 · P0 · 摘要核验

在相互依赖的多 session 子任务中,同时测试记忆获取、经验提炼和后续行动。

阅读论文 →
2026 · P1 · 摘要核验

在多模态多 session 对话中,检验长上下文和外部记忆如何保存并使用视觉证据。

阅读论文 →
2026 · P0 · 正文重点核验

在匹配条件下开关持久经验,分开衡量后续任务收益和 save–retrieve–update 路径证据。

阅读论文 →
2026 · P0 · 摘要核验

让 agent 在固定时间/API 预算内设计评价任务与 grader,再比较其排序与隐藏目标 benchmark 的一致性。

阅读论文 →

程序与系统演化 10

2023 · P0 · 摘要核验

一个调用 LLM 的代码优化器修改自身,从而改变未来代码优化过程。

阅读论文 →
2024 · P1 · 摘要核验

把想法、代码、实验、论文和模拟评审串成可重复的科研 agent loop,但仍需检验长期改进和新颖性。

阅读论文 →
2024 · P0 · 摘要核验

Meta Agent Search 根据历史 archive 自动编写新的 agent 程序,探索提示、工具和工作流组合。

阅读论文 →
2025 · P0 · 正文重点核验

修改自身 coding-agent 代码,基于 benchmark 验证变体并在 archive 中持续探索,是程序级 RSI 的代表。

阅读论文 →
2025 · P0 · 摘要核验

LLM 提出算法代码变体,由自动评价器和演化搜索选择并持续改进。

阅读论文 →
2026 · P0 · 摘要核验

将每次系统编辑与其预测、来源轨迹和后续结果配对,使 harness 演化可定位、可回退、可证伪。

阅读论文 →
2026 · P1 · 摘要核验

按演化目标、发生时机和 coding-specific feedback 梳理记忆、技能、组件与工作流变化。

阅读论文 →
2026 · P0 · 正文重点核验

约束候选编辑和选择,减少 harness 演化对开发 benchmark 的过拟合。

阅读论文 →
2026 · P0 · 摘要核验

科研 agent 提出对自身代码的修改,在隐藏评测上选择,再用接受后的版本进入下一轮。

阅读论文 →
2026 · P1 · 摘要核验

通过候选规则池、LLM mutator 和 judge 迭代选择编码规则。

阅读论文 →

经验与技能 6

2023 · P0 · 摘要核验

把环境反馈转成语言反思并写入 episodic buffer,跨试次改变决策。

阅读论文 →
2023 · P1 · 摘要核验

同一模型生成、批评和重写输出,说明 test-time refinement 与持久 RSI 之间的边界。

阅读论文 →
2023 · P0 · 摘要核验

通过自动课程、可执行技能库和环境反馈形成开放式技能积累。

阅读论文 →
2023 · P1 · 摘要核验

从任务经历提取自然语言知识,推理时召回经验,强调不更新参数的学习。

阅读论文 →
2025 · P1 · 摘要核验

以多轮 RL 和工具执行反馈训练自验证能力,再在测试时扩展生成—验证轮数。

阅读论文 →
2026 · P0 · 摘要核验

用 RL 学习从编码轨迹中提取多粒度 procedural skills,并持续维护紧凑技能库。

阅读论文 →

记忆学习 2

2025 · P0 · 正文重点核验

把 ADD、UPDATE、DELETE、NOOP 和答案端记忆选择变为可学习策略。

阅读论文 →
2026 · P0 · 摘要核验

以任务成功反馈学习 query-specific memory assembly,而不只按语义相似度召回。

阅读论文 →

记忆架构 7

2023 · P0 · 摘要核验

以经验流、反思摘要和动态检索构成生成式智能体的长期记忆基础。

阅读论文 →
2023 · P0 · 摘要核验

将长期对话记忆、更新与基于遗忘曲线的选择性保留结合起来。

阅读论文 →
2023 · P0 · 摘要核验

用分层记忆和显式控制流把有限上下文扩展为可管理的虚拟上下文。

阅读论文 →
2024 · P1 · 摘要核验

用知识图和 Personalized PageRank 模拟长期知识整合,突出 memory substrate 与检索效率。

阅读论文 →
2025 · P0 · 摘要核验

以 Zettelkasten 式笔记、动态链接和历史记忆重写实现可演化的记忆组织。

阅读论文 →
2025 · P1 · 正文重点核验

以信息抽取、巩固、检索和图记忆变体连接长期对话质量与部署成本。

阅读论文 →
2025 · P1 · 摘要核验

以短期、中期和长期个人记忆构成分层存储,显式规定层间更新。

阅读论文 →

参数适应 1

2025 · P1 · 摘要核验

模型自生成训练数据和更新指令,再依据更新后表现学习如何进行持久权重适应。

阅读论文 →