本页基于截至 2026-11-12 收录的一手论文;早期方法与近期预印本并存。这里的“现状”是有边界的研究综合,不是全部文献的穷尽性综述。进入具体结论时,按论文卡片区分摘要核验与正文重点核验。
当前已有较明确的方法坐标
| 研究层面 | 已有路线 | 当前能支持的判断 | 仍未解决的问题 |
|---|---|---|---|
| 记忆基底 | 文本、分层上下文、图和程序技能库 | 记忆并非只有向量数据库,保存对象与调用方式高度相关 | 哪种结构在等预算下适合哪类任务? |
| 生命周期 | 反思巩固、合并、更新、删除与遗忘 | 静态追加会积累错误与噪声,操作策略值得学习 | 错误更新、冲突和删除如何传播到派生记忆? |
| 经验利用 | 反思文本、经验检索、程序技能复用 | 某些任务可以从保留经验获益 | 检索到的经验是否真的改变行动?是否只复用了答案? |
| 学习记忆策略 | Memory-R1、CODESKILL、MemComposer | 写入、技能维护、选择和排序可以用下游反馈学习 | 回报归因、训练成本、跨 executor 泛化怎样比较? |
| 系统自修改 | STOP、ADAS、DGM、AHE、RRSI、AIDE² | 固定 backbone 周围的代码/工具/流程能成为演化对象 | 开发集提升是否在隐藏任务和不同环境保留? |
| 参数适应 | SEAL | 外部记忆之外还有持久权重更新路径 | 遗忘、错误更新与长期稳定性如何控制? |
最重要的进展:评价从“记住”移向“用经验改变未来”
LoCoMo 与 LongMemEval 提供对话记忆和知识更新的诊断起点。Evo-Memory 将任务组织为流;MemoryArena 引入相互依赖的多 session 记忆—行动;PAST-Bench 用保留经验开/关对照,区分结果收益与实际 save/retrieve/update 路径。
这几类评测回答的问题不同。对话 QA 高分无法替代 agent 在环境中调用经验;路径记录也不能单独证明因果关系。最有信息量的组合是:任务结果 + 记忆操作记录 + 匹配对照 + 反事实干预。
- AM-2402-17753 LoCoMo
- AM-2410-10813 LongMemEval
- AM-2511-20857 Evo-Memory
- AM-2602-16313 MemoryArena
- RSI-2608-04003 PAST-Bench
当前最需要警惕的三个推断
存了经验,不等于用了经验。 经验忠实度研究对 raw 与 condensed experience 做干预,说明压缩后的规则可能被忽略或误读。研究应先定位写入、检索、利用哪个环节失效,再增加记忆复杂度。见 AM-2601-22436 Experience Faithfulness。
更高开发分数,不等于可迁移改进。 RRSI 的正文消融显示,取消部分约束后开发分数上升而 OOD 下降。DGM 的搜索子集和最终完整 Polyglot 结果也需分开;不可把子集成绩当完整测试集。见 RSI-2609-24972 RRSI、RSI-2505-22954 Darwin Godel Machine Open Ended Evolution of Self Improving Agents。
生成评价器,不等于拥有可靠反馈。 EvalResearchBench 把 evaluator 冻结后再对 sealed targets 评估,开发目标上最优不保证隐藏目标最优。RSI 的评价器要独立接受检验。见 RSI-2610-04184 EvalResearchBench。
对当前 GraphRAG 研究的直接连接
- 图可以作为记忆基底,但“图上相关”不等于证据充分。把每个记忆单元和派生链接保留到原始文档或交互轨迹的来源。
- Query-conditioned memory assembly 比单次 Top-k 更接近“为当前信息需求组织经验”;可用平面/图、静态/动态、相关/反事实经验做等预算对照。
- 将 memory state 与推理/规划状态区分:前者保存可复用经验,后者描述当前任务进度。更新当前状态不自动构成长期学习。
- 先用固定 backbone、固定任务序列测试经验是否带来后续任务收益,再决定是否引入 RL、程序演化或参数更新。
优先研究机会
来源保持的可编辑经验记忆。 每次经验抽象、合并和更新都保留原始证据路径;测试压缩后是否仍忠实、错误更新能否回滚、经验是否在新任务中被使用。
任务条件化的记忆集合,而非独立条目排序。 在相同 memory-token 与调用预算下比较“逐条相似度”和“按当前缺口组成互补经验集合”;用反事实替换验证哪一部分经验造成变化。
面向泛化的接受规则。 对自修改候选同时检查收益、成本、回归和跨任务稳定性,以独立隐藏任务选取可迁移机制。评价目标必须与生成过程解耦。