Ting BLOG🐈

论文 · FadeMem: Biologically-Inspired Forgetting for Efficient Agent Memory

Ting published on 2026-07-21 included in 论文阅读

作者：Lei Wei, Xiao Peng, Xu Dong, Niantao Xie, Bin Wang
期刊/日期：arXiv preprint, 2026-02-06
核心贡献：FadeMem 把“主动遗忘”引入 agent memory，通过双层记忆、重要性调制的指数衰减、LLM 冲突解决和记忆融合，在保持关键事实与多跳推理能力的同时，把存储占用降到 55.0%。

现有 agent memory 多是“存下所有能存的内容，超出容量再丢弃”，导致长交互中上下文被冗余和过时信息污染，或在边界处发生灾难性遗忘。作者借鉴人类记忆中的遗忘曲线，认为选择性遗忘不是缺陷，而是控制认知负载、维持相关性的机制。

Ting published on 2026-07-20 included in 论文阅读

长期记忆系统会持续接收会变化的事实：

Ting published on 2026-07-20 included in 论文阅读

当前 agent benchmark 主要评估推理、规划、工具使用和代码执行，但长期记忆是 agent 能否持续服务用户的核心能力。

Ting published on 2026-07-20 included in 论文阅读

作者：Abdelghny Orogat, Essam Mansour
期刊/日期：arXiv preprint, 2026-05-25
核心贡献：论文提出 Governed Evolving Memory（GEM），主张长期 agent memory 不是普通数据库问题，而是一类以“状态轨迹正确性”为核心的新数据管理 workload。

长期运行的 AI agent 需要跨会话学习、减少重复上下文注入并审计过去决策，但现有系统常把 memory 当作 append-only storage。作者观察到这种 CRUD 思维会导致冗余增长、更新事实与旧事实共存、按容量而非重要性遗忘，以及检索不改变记忆状态。

Ting published on 2026-07-20 included in 论文阅读

聊天助手要真正个性化，必须长期记住用户在很多次交互中透露的信息，并在之后回答问题、给建议、处理任务时用上这些记忆。

Ting published on 2026-07-20 included in 论文阅读

作者：Eric Hanchen Jiang, Zhi Zhang, Yuchen Wu, Levina Li, Dong Liu, Xiao Liang, Rui Sun, Yubei Li, Edward Sun, Haozheng Luo, Zhaolu Kang, Aylin Caliskan, Kai-Wei Chang, Ying Nian Wu
期刊/日期：arXiv preprint, 2026-07-15
核心贡献：MEMCON 不提出新 memory store，而是把 memory access/maintenance 建模为在线控制问题，用轻量 UCB contextual bandit 学习何时检索、重检索、注入计划、合并、遗忘或跳过。

多数 agent memory 用固定 top-k、固定 hop、固定 query template，不管任务早期/后期、记忆稀疏/丰富、agent 是否卡住都采用同一策略。作者认为真正有效的记忆行为是上下文依赖的，静态 pipeline 会在简单任务中过度检索、在复杂任务中检索不足。