Memory in the Age of AI Agents: A Survey（NUS&人大&复旦&北大等联合）
该综述由多所高校与研究机构联合撰写，系统梳理了AI智能体中记忆技术的发展脉络与主要形态，并提出若干未来研究方向。
记忆的三大形态
文章提出Token-level、Parametric与Latent三种记忆形态，分别侧重于不同层次的信息存储与检索机制，为智能体提供多样化的长期与短期记忆支持。
生成式记忆与自动管理
综述预判生成式记忆与自动化管理将成为提升Agent长期性能的重要手段，有助于记忆压缩、重要性评估与长期知识保持。
Token-level、Parametric 与 Latent 三大记忆形态为智能体提供了多层次的记忆支持，是未来研究的关键方向。
“小墨”积墨 AI 核心产品
积墨 AI 智能体开发平台
快速搭建具备商业价值的 AI 智能体，支持复杂工作流编排、50+ 主流模型接入与私有化部署。
RL驱动与多模态共享
研究还讨论了使用强化学习优化记忆管理策略以及跨模态、跨Agent的记忆共享机制，以支持复杂协作与持续学习场景。
研究挑战与前沿方向
综述指出需要在可解释性、隐私保护、可扩展存储与检索效率等方面持续攻关，以确保记忆机制在实际系统中的安全与可用性。
如有侵权，请联系删除。