描繪記憶與溝通的前沿
這項研究提出「記憶—訊號傳遞前沿」，描述受限代理應如何在保留歷史資訊與和其他代理溝通之間分配有限的資訊容量。初步指涉遊戲結果顯示，重複出現的目標可能促成更短的訊息，但隱藏循環規則所帶來的可預測性不一定會縮短訊息。
Search
Tag: #agent-memory26 results
代理程式究竟需要多少記憶體？
Hugging Face 探討 AI 代理程式的記憶體需求，以及決定代理程式實際需要多少記憶體的因素。這篇文章定位為代理程式記憶體的分析，而非特定產品發布。
GPM 讓代理記憶採用故障安全封鎖
Governed Persistent Memory (GPM) 提出可稽核的雙時間記憶模型，將記錄與來源綁定，並阻止矛盾、撤回、刪除或過時資訊支援輸出。GPM 在 3,600 個案例的基準測試及封閉式服務評估中達到完整正確率，而未受治理的 Qwen2.5-7B 僅在 2,400 個叢集中正確完成 600 個。
MindMemOS 賦予 AI 代理持續進化的記憶
MindMemOS 是一個可攜式記憶作業層，讓 AI 代理能隨時間調整記憶結構、發掘高階模式、修正儲存資訊，並演化出可重複使用的技能。其在 LOCOMO 上達到 94.03% 準確率、在 PersonaMem 上達到 70.63%，而 MindSkillEvolve 讓 SpreadsheetBench 成功率較初始技能基準提升 9.2 個百分點。
記憶讓材料科學 AI 成為終身夥伴
這項研究提出一套可攜式記憶框架，將科學經驗儲存為可檢視的事實與可執行技能，供材料科學 AI 代理使用。在工具操作問題與模擬工作流程中，記憶讓 GPT-5.2 的任務成功率近乎翻倍，同時減少重複錯誤、工具呼叫與 token 成本。
MESA 讓代理記憶具備查詢自適應能力
MESA 會針對每個長期代理查詢，動態選擇並融合互補的記憶結構，而不是讀取所有記憶或只依賴單一結構。在 AMA-Bench 上，MESA 比最強基準提升 8.5%，並比使用全部結構減少 41% 的證據 Token。
Claude Tag 將 Slack 變成 AI 同事
Anthropic 的 Claude Tag 是一款 Slack 測試版代理工具，能以數位同事身分加入公開頻道，運用團隊上下文、外部工具、記憶與排程任務，以非同步方式執行工作。文章認為，Tag 可能代表 AI 從聊天與本機編碼代理邁向長時間運作的 AI 同事，據稱 Anthropic 部分產品團隊已有超過 65% 的程式碼由 Tag 產生。
重新思考長期 AI Agent 記憶作為數據管理
本研究指出目前的資料庫範式無法支援長期 AI Agent 記憶，導致記憶體不受控增長與資料遺失等問題。研究提出了「治理演進記憶」（GEM）概念，並透過原型系統 MemState 將記憶視為狀態級的工作負載，而非單純的記錄儲存。
Anthropic 新增代理記憶與協調功能
Anthropic 更新 Claude Managed Agents，新增 Dreaming 處理工作階段記憶反思、Outcomes 設定成功評量準則，以及 Multi-Agent Orchestration 任務委派。這些功能將基礎設施層整合至單一運行環境，對抗 LangGraph 與 CrewAI。企業面臨供應商鎖定與託管合規風險。
Memanto：長視野代理的類型語義記憶
Memanto 推出代理式 AI 的類型語義記憶層，使用 13 種預定義類別、衝突解決機制及時間版本控制，由 Moorcheh 的資訊理論搜尋引擎驅動。它實現無索引、無攝取延遲的 90 毫秒內確定性檢索，超越混合圖形與向量系統。以單一查詢檢索，在 LongMemEval 達 89.8%、LoCoMo 達 87.1% 的 SOTA 成績，並具更低複雜度。