今年看到最系统的AI Agents时代Memory综述～

主要观点总结

本文是关于Agent Memory的综述文章，介绍了由NUS & 人大 & 复旦 & 北大 & 同济等机构联合出品的《Memory in the Age of AI Agents: A Survey》。文章采用了“形态-功能-动力学”三维框架，对200+篇最新论文进行了详细解读，并提出了新三大记忆形态和展望了7大前沿方向。

关键观点总结

关键观点1: 文章背景及目的

随着AI的发展，需要一种能够持续交互、自我进化的Agent记忆体来替代传统的LLM模型，以解决上下文失忆问题。

关键观点2: 预备知识及概念定义

文章通过图2用韦恩图理清Agent Memory与LLM Memory等的区别，并通过抽象马尔可夫博弈和记忆三元组运算符进行定义。

关键观点3: 记忆形态篇

文章对记忆形态进行了详细的解读，包括Token-level的再细分以及60+代表性方法的横向对比。

关键观点4: 记忆功能篇

文章介绍了Agent使用记忆的三类职能：Factual Memory、Experiential Memory和Working Memory，并提供了功能-时间双轴全景展示。

关键观点5: 记忆动力学篇

文章详细描述了记忆如何形成、演化和检索的闭环过程，包括Formation的五板斧、Evolution的三件套和Retrieval的四步曲等。

关键观点6: 资源篇

文章汇总了多个记忆评测集和开源框架，供读者查阅和参考。

关键观点7: 前沿展望篇

文章提出了生成式记忆、自动记忆管理、RL驱动等七大前沿方向，并对每个方向进行了简要介绍和展望。