研究人员瞄准长周期 AI Agent 的记忆缺口

近期一组 arXiv 论文研究了当前 LLM Agent 记忆系统的局限，指出检索存储、草稿区和上下文管理往往更像查询工具，而不是真正的学习机制。相关工作包括 ChronoMem，即 Google 开源 Agent Development Kit 中用于 Agent 记忆的语义版本控制层；ScrubJay-MEM，一种采用按类型条件化时间衰减的检索记忆设计；以及 OneDayAgent，一个在 104 项长周期任务上评估的测试框架。这些论文还综述了 Agent 记忆如何作为长周期和自我演化 Agent 的基础。