今年看到最系统的AI Agents时代Memory综述～

 Datawhale干货 

方向：Agents Memory，来源：PaperAgent

分享今年看到最系统&最新的 Agents Memory 综述，NUS&人大&复旦&北大&同济等联合出品：《Memory in the Age of AI Agents: A Survey》

• 用 “形态-功能-动力学”三维框架把 200+ 篇最新论文一次讲透。

• 提出 新三大记忆形态：Token-level / Parametric / Latent，取代传统“长-短期记忆”二分法。

• 展望 7 大前沿：生成式记忆、自动记忆管理、RL 驱动、多模态、多 Agent 共享、世界模型、可信记忆。

开源地址：https://github.com/Shichun-Liu/Agent-Memory-Paper-List

论文地址：https://arxiv.org/pdf/2512.13564

一、为什么需要“Agent 记忆”？

图 1 给出一张“地图”，把 200+ 方法按形态 & 功能 & 动态一次定位：

LLM 再强，也怕“金鱼脑”——上下文一断就失忆。

把 LLM 包装成能持续交互、自我进化的 Agent，必须外挂一块可读写、可增长、可遗忘的记忆体。

二、预备知识：Agent 与记忆的形式化

图 2 用韦恩图理清 Agent Memory vs LLM Memory vs RAG vs Context Engineering：

作者先把 Agent 抽象成部分可观测马尔可夫博弈，再把记忆定义为三元组运算符：

• Formation F：把原始交互 φ_t 提炼成记忆单元

• Evolution E：合并、去重、纠错、遗忘

• Retrieval R：按需查询

三、形态篇：记忆到底“长”什么样？

图 3 把 Token-level 再细拆成 1D-Flat / 2D-Planar / 3D-Hierarchical：

表 1 给出 60+ 代表性方法的横向对比（多模态、任务、结构）：

四、功能篇：Agent 到底“用”记忆做什么？

图 6 给出功能-时间双轴全景：

把“为什么记”拆成三大职能：

• Factual Memory——“我知道什么”：用户画像、文档状态、世界知识。

• Experiential Memory——“我学会什么”：成功/失败轨迹 → 策略 → 可执行技能。

• Working Memory——“我现在想什么”：单轮压缩、多轮状态折叠、计划缓存。

experiential memory范式

表 4-6 分别对应三大功能的 100+ 方法速查表：

五、动力学篇：记忆如何“动”起来？

完整 生命周期 = 形成 → 演化 → 检索 闭环，用一张“地铁图”串起 30+ 操作符：

• Formation 五板斧：语义摘要、知识蒸馏、结构化、潜空间编码、参数内化。

• Evolution 三件套：合并（Consolidate）、更新（Update）、遗忘（Forget）。

• Retrieval 四步曲：触发时机 → 查询构造 → 检索策略 → 后处理。

图 9 记忆演化机制蓝图

图 10 agentic系统中检索方法

六、资源篇：Benchmark & 开源框架速览

表 8 汇总 30 个记忆/终身学习/自演化评测集：

表 9 对比 20+ 开源框架（MemGPT / Mem0 / Zep / MemOS …）：

七、前沿篇：7 大风向标

1. 生成式记忆 > 检索式记忆：不再“查什么用什么”，而是“缺什么生什么”。

2. 自动记忆管理：把“写/删/改”做成 Agent 可调用的 Tool，让 LLM 自己管自己。

3. RL 全面接管记忆策略：从“人工拍阈值”到“策略网络端到端优化”。

4. 多模态记忆：视频、音频、传感器流统一进 Embedding 空间。

5. 多 Agent 共享记忆：角色-权限-隐私三权分立，防止“集体幻觉”。

6. 世界模型内存：从“缓存帧”到“可查询状态模拟器”。

7. 可信记忆：差分隐私、可验证遗忘、审计日志、用户级 GDPR 擦除。

一起“点赞”三连↓