MemoryEvolve

研究方向：记忆自进化——让智能体自主构建、组织、巩固并持续演化长期记忆。

研究范畴

记忆自进化（memory self-evolution）以"记忆"为核心驱动，让模型 / 智能体在交互与任务执行中自主完成记忆的写入、检索、压缩、巩固、遗忘与重组，从而突破上下文窗口限制、支撑长周期任务与持续学习。本方向涵盖：智能体长期记忆架构（分层记忆 / 记忆操作系统）、情景记忆与语义记忆的组织与索引（含时序知识图谱）、记忆巩固与反思（reflection / consolidation）、参数化记忆与非参数化记忆的协同、记忆驱动的经验复用与技能沉淀。社区关注的核心问题包括：记忆的写入 / 淘汰策略如何自动学习而非人工规则、长期记忆如何抗噪声与防止错误记忆累积、记忆检索与推理如何深度耦合、多智能体 / 多会话间记忆如何共享与隔离，以及如何评测记忆系统在长周期任务上的真实收益。

研究挑战

• 记忆质量随时间漂移：错误、过时与冲突记忆的检测与修正。
• 写入 / 遗忘策略的自动化学习，避免记忆膨胀与检索退化。
• 记忆与推理的耦合：何时检索、检索什么、如何融合进当前决策。
• 长周期评测困难：缺少可复现、可量化记忆收益的基准。
• 隐私与安全：跨会话记忆的泄漏、污染与投毒风险。

自研项目

• EvolveLLM — 博士课题《Toward True ASI》承载仓库，含自进化机制综述与方法论沉淀。

相关工作

代码 / 框架

• Letta (MemGPT) — 将操作系统分页思想引入 LLM 记忆管理的智能体记忆框架
• mem0 — 面向生产的智能体可扩展长期记忆层
• Graphiti (Zep) — 基于时序知识图谱的智能体记忆
• A-mem — 受 Zettelkasten 启发的智能体自组织记忆系统
• HippoRAG — 受海马体记忆索引理论启发的长期记忆检索框架
• MemOS — 把记忆作为一等资源调度的"记忆操作系统"

论文

• MemGPT: Towards LLMs as Operating Systems — 分层虚拟上下文与记忆分页管理
• Generative Agents: Interactive Simulacra of Human Behavior — 记忆流 + 反思 + 检索的经典智能体记忆架构
• MemoryBank: Enhancing Large Language Models with Long-Term Memory — 基于遗忘曲线的长期记忆更新机制
• A-MEM: Agentic Memory for LLM Agents — 动态链接与演化的自组织智能体记忆
• Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory — 可扩展记忆抽取与更新管线
• A Survey on the Memory Mechanism of Large Language Model based Agents — LLM 智能体记忆机制综述