Agent Memory 论文演进与综述精读 学习路线
面向研究生 / 准备读 Memory 方向 PhD / 工业界要快速吸收文献的读者：从 4 篇 survey 入门到 40+ 篇系统逐篇深读，覆盖 G1 奠基（MemGPT/Generative Agents/HippoRAG/MemoryBank/ReadAgent）、G2/G3 SOTA（Mem0/A-Mem/MemoryOS/LightMem/EMem/Memori 等 11 系统）、4 个 benchmark、5 个 diagnosis 论文、3 个交叉方向，给 3 周 / 8 周 / 12 周三档阅读路线
Agent Memory 这条赛道在 2023-2026 三年里冒出 100+ 篇相关论文，新人很容易陷入”每天读两篇还是赶不上”的焦虑。本路线不教你”造一套新的 Memory”——那是模块五；也不教你”审计别人的 Memory 论文”——那是模块十九。本路线专门解决”怎么以最快速度吸收这条赛道的文献”：从 4 篇 survey 切入（拿到地图），用阅读方法论压缩单篇阅读时间（30 分钟读完一篇），按代次和方向逐篇精读 40+ 篇代表性论文，给 3 周 / 8 周 / 12 周三档学习节奏。读完路线，你能在 Memory reading group 里”听别人讲一篇你没读的论文 5 分钟就能跟上”，能在自己写论文时”30 秒决定一篇新出论文是否值得读”。
作者基于 11 系统代码级 atlas + 40+ 篇精读笔记的实战经验编写本系列。
📑 目录
🌟 全景概览：为什么 Memory 论文需要”演进式精读”
Memory 论文有 3 个特点让”挨个读”低效
- 演进信号强：MemGPT (2023) 的 OS 隐喻 → 几乎所有 G3 系统都默认”Long/Short 双层”；不知道这条线，读 LightMem (2026) 会觉得”为什么默认要分层”
- 代码隐含信息多：80% 关键 design choice 不在论文里写，在 GitHub repo 的
query()函数签名里——本路线提供代码级精读卡 - 方法论变化快：2023 论文还在比绝对 leaderboard；2025-2026 paired McNemar / preregistration 成为 reviewer 默认期望——读法要随时代变
🍎 直觉：如果你按 arXiv 时间倒序挨个读，会反复”读完一篇不知道它在地图上哪个位置”。先看 survey 拿地图，再按代次纵深，效率提升 5-10 倍。
🧠 本路线的 4 个核心洞察
| 洞察 | 一句话 | 哪一章讲透 |
|---|---|---|
| 洞察 1 | Survey 不是”懒人版论文”，是必须先读的”领域地图” | 第 2 章 |
| 洞察 2 | 单篇 Memory 论文 30 分钟读完——靠 7 段切片法 | 第 3 章 |
| 洞察 3 | G1 → G2 → G3 三代演进比”按 venue 读”更有信息量 | 第 4-5 章 |
| 洞察 4 | Benchmark 论文 + Diagnosis 论文 = 50% 的”水分识别”能力 | 第 6-7 章 |
📖 章节导览
整个模块 9 章，按”地图 → 工具 → 代次精读 → 横切方向 → 实战路线”组织：
| 章 | 主题 | 覆盖论文数 | 核心问题 |
|---|---|---|---|
| 1 | 入门概览：Agent Memory 论文地图 | (元信息) | 这条赛道有哪些 sub-area？哪些先读哪些后读？ |
| 2 ⭐ | Survey 级精读（4 篇 meta-work） | 4 | 如何用 1 周拿到整条赛道的”地图”？ |
| 3 | 阅读方法论 | (元方法) | 怎么 30 分钟读完一篇 Memory 论文 + 记 notes |
| 4 | G1 奠基期精读（2023-2024 上） | 5 | MemGPT / Generative Agents / HippoRAG / MemoryBank / ReadAgent |
| 5 | G2/G3 SOTA 精读（2024 下-2026） | 11 | Mem0 / A-Mem / MemoryOS / LightMem / EMem / Memori / LiCoMemory / Nemori / SimpleMem / D-MEM / Selective Memory |
| 6 | Benchmark 论文精读 | 4 | LongMemEval / LoCoMo / MemBench / MEMTRACK 各自的角色和数据 |
| 7 | Diagnosis / 实证类精读 | 5 | ”retrieval 解释 20pp”、“cache 没用”等揭真相工作 |
| 8 | 交叉方向：Memory × RL / Multi-Agent / Multi-Modal | 6+ | 这些方向的代表论文与 mainstream 的差异 |
| 9 | 阅读路线 + 端到端：从读到复现到写 | (整合) | 3/8/12 周路线、reading group SOP、自己写论文 |
总覆盖：~40 篇论文逐篇精读卡，每篇含动机 / 机制 / 数据 / 批评 / 对后续工作的影响。
📅 必读 40 篇论文清单（按 type 分组）
Survey / Meta-work（4 篇）
- CoALA（Sumers et al., 2023） — Cognitive Architectures for Language Agents
- Memory Survey 2025（Zhang et al.） — 把 G1-G3 系统性梳理
- MemOS（Li et al., 2025） — Memory OS for AI System
- Anatomy of Agentic Memory（Anonymous, 2026） — 评测局限的 empirical analysis
G1 奠基（5 篇）
- MemGPT（Packer et al., 2023）
- Generative Agents（Park et al., 2023）
- HippoRAG（Gutiérrez et al., 2024）
- MemoryBank（Zhong et al., 2024）
- ReadAgent（Lee et al., 2024）
G2/G3 SOTA（11 篇）
- Mem0（Chhikara et al., 2025）
- A-Mem（Xu et al., NeurIPS 2025）
- MemoryOS（Kang et al., EMNLP 2025）
- LightMem（Fang et al., ICLR 2026）
- EMem（Zhou, 2025）
- Memori（Anonymous, 2026）
- LiCoMemory（Huang et al., 2025）
- Nemori（Nan et al., 2025）
- SimpleMem（Anonymous, 2026）
- D-MEM（Song & Xin, 2026）
- Selective Memory（Zahn & Chana, 2026）
Benchmark（4 篇）
- LongMemEval（Wu et al., ICLR 2025）
- LoCoMo（Maharana et al., 2024）
- MemBench（2025）
- MEMTRACK（2025）
Diagnosis / 实证（5 篇）
- Diagnosing Retrieval vs Utilization（Yuan et al., 2026）
- 本模块作者论文（Anonymous, 2026） — Cache Hits Don’t Save Agent Memory 27-29. 其他 diagnosis 工作（待补）
交叉方向（6+ 篇）
30-32. Memory × RL：D-MEM、RMM、其他 33-35. Memory × Multi-Agent：G-Memory、Collaborative Memory、Hindsight 36-40. Memory × Multi-Modal：视觉记忆、空间记忆相关
🗓️ 3 周 / 8 周 / 12 周阅读路线
🚀 3 周快速入门（适合：要快速决定是否进入这个方向）
| 周 | 任务 | 章节 |
|---|---|---|
| 1 | 第 1 章 + 第 2 章 Survey 精读 + 第 3 章读法 | Ch1-3 |
| 2 | G1 5 篇 + G2/G3 选 5 篇代表 | Ch4 + Ch5 部分 |
| 3 | 4 个 benchmark + 2 个 diagnosis | Ch6 + Ch7 部分 |
产出：能在面试 / lab 入组面谈中流畅讨论 Memory 赛道。
📚 8 周扎实路线（适合：研究生入学第一学期）
| 周 | 任务 |
|---|---|
| 1 | Ch1-3 同上 |
| 2-3 | Ch4 G1 5 篇深读 + GitHub repo 浏览 |
| 4-5 | Ch5 G2/G3 11 篇深读 + 代码精读卡 |
| 6 | Ch6 4 个 benchmark 跑通其中 1 个 |
| 7 | Ch7 Diagnosis 5 篇 + 自己跑一次 paired eval |
| 8 | Ch8 交叉方向选 1 个深入 + Ch9 准备 reading group |
产出：能讲完整 Agent Memory 综述 1 小时；能复现 LongMemEval 或 LoCoMo 上的至少 1 个系统。
🎓 12 周深度路线（适合：要发 Memory 方向 PhD 第一篇论文）
| 周 | 任务 |
|---|---|
| 1-3 | 同 8 周路线 1-5 周加速版 |
| 4-6 | 全部 40 篇深读 + 自己写 11 系统 atlas 卡片 |
| 7-8 | 跑 LongMemEval + LoCoMo 双 benchmark（结合模块十九 ch4 统计三件套） |
| 9-10 | 选 1 个开放问题（参考模块十九 ch2 §6 OP1-OP5）做 pilot 实验 |
| 11-12 | 写 paper draft（结合模块十九 ch8 端到端模板） |
产出：一篇可投 ARR / EMNLP / NeurIPS 的初稿。
⚠️ 常见入门误区
| 误区 | 后果 | 怎么避免 |
|---|---|---|
| ”我先把 100 篇都看一遍” | 3 个月不出门，看完发现大多数论文讲同一件事 | 先读 4 篇 survey 拿地图（第 2 章） |
| “只看 abstract” | 错过 80% 的设计选择（在 method / code） | 用第 3 章的 7 段切片法（含 code-walk） |
| “按 venue 读”（只读顶会） | 错过 arXiv 上的关键 diagnosis 论文 | 按代次和 type 读（本路线组织方式） |
| “不读 benchmark 论文，直接看用 benchmark 的论文” | 不知道 oracle / judge / 不可比性的来源 | 第 6 章把 4 个 benchmark 论文当一等公民 |
| ”只读正结果论文” | 看不到方法论演进 | 第 7 章 diagnosis 类必读 |
📚 参考资料
概念入门
- 本模块第 1 章 —— Agent Memory 论文地图（演进 + 5 问题域）
- 模块五 Agent Memory 学习路线 —— Agent Memory学习路线.md：先把”Memory 是什么”搞清楚再来精读
- 模块十九 实证审计学习路线 —— 读完论文要审 / 自己写论文时的工具
关键论文（4 篇 survey 入口）
- CoALA（Sumers et al., 2023） —— Cognitive Architectures for Language Agents
- MemOS（Li et al., 2025）：arXiv 2507.03724
- Anatomy of Agentic Memory（Anonymous, 2026）：arXiv 2602.19320
- Memory Survey 2025（最新 systematic review，部分仍是 arXiv preprint）
行业讨论
- OpenReview ARR / NeurIPS / ICLR 的 Memory 类论文公开评审 —— 看真实 reviewer 关切
- arXiv “agent memory” / “long-term memory LLM” 关键词周更 —— 每月扫一次保持最新
框架文档（如适用）
- Letta / MemGPT GitHub —— G2 → G3 过渡的工程化样本
- Mem0 / A-Mem / MemoryOS GitHub —— G3 三大代表的实际代码
这条路线服务于**“快速吸收文献”** 这一具体目标。如果你已经熟读完，想动手造系统去模块五；想审论文去模块十九；想 PhD 选题，回到本路线第 8-9 章。