2512.13564v1 AI 代理时代的记忆

该文本是对大型语言模型（LLM）驱动的智能体中记忆研究进行的一次全面而及时的调研，旨在解决该领域日益碎片化的问题。作者提出了一个统一的框架，通过形式、功能和动态三个核心视角来系统地分析现有的智能体记忆系统。在形式上，文章区分了Token级、参数和潜在记忆；在功能上，它提出了一个超越传统分类的细粒度分类法，包括事实记忆、经验记忆和工作记忆；而动态视角则关注记忆的形成、演化和检索过程。最终，这项工作不仅整理了现有资源和评估基准，还展望了包括强化学习集成、多模态记忆和可信赖性（如隐私和可解释性）等在内的前沿研究方向，期望将记忆确立为未来智能体设计中的核心原语。