第2章：Agent Memory 三年演进与 11 系统 atlas——把所有相关工作摊在一张表上

打开 arXiv 输入 “agent memory” 关键词，2024-2026 这两年冒出 30 多篇号称”agentic memory”的系统论文。每篇都用一句”以前的 Memory 是 X 的，我们是 Y 的”开篇，读者读完十篇，脑子里只剩一团模糊的”动态、selective、自主写、cognitive-inspired”等模糊形容词。本章把这团模糊拆开：先按时间线把三代演进讲清，再用 write-trigger × read-behavior 两轴把 11 个代表性系统逐一摊开（每个给”真实代码做了什么、论文宣称的是什么、真实评测有多少水分”的对照），最后回答一个真正重要的问题：抛开营销词，这条赛道还有哪 5 个未解决的开放问题？

📑 目录

• 1. 三代 Agent Memory：从外部 RAG 到 agentic 自主写
• 2. 演进时间线：12 个里程碑
• 3. 2 轴分类法：write-trigger × read-behavior
• 4. 11 系统 atlas（代码级精读）
• 5. “创新词汇表”翻译——把营销词翻成可证伪命题
• 6. 5 个真正未解决的开放问题
• 7. 方法论演进：从 leaderboard 到 preregistered
• 8. 怎么用本章作为研究 starter pack
• ✅ 自我检验清单
• 📚 参考资料

---

1. 三代 Agent Memory：从外部 RAG 到 agentic 自主写

把 2023-2026 这条线压缩成 3 代（按”谁来决定写什么、什么时候写”为主轴）：

代次	时段	写决策权	代表工作	核心贡献
G1：外部 RAG 时代	2020-2023 上半	完全外部（开发者写规则）	朴素 RAG、LangChain ConversationBufferMemory	”把对话历史 + 检索结果塞进 prompt”
G2：结构化 Memory	2023 下半-2024	半外部 / 半 LLM	MemGPT、Generative Agents、HippoRAG、MemoryBank	把 memory 拆成层级 / 节点 / 时间索引；LLM 调用工具自我编辑
G3：Agentic 自主写	2025-2026	完全 LLM	Mem0、A-Mem、MemoryOS、LightMem、EMem、Memori、LiCoMemory、Nemori、SimpleMem、D-MEM、Selective Memory	LLM 自己决定何时写、写什么、何时合并/遗忘

🍎 直觉：G1 是图书管理员把书插好，你来翻索引；G2 是图书管理员把书按学科分库；G3 是图书管理员自己读所有人的对话，自己决定哪些值得写下来。

🌟 本模块审计的对象主要是 G3——因为正是这一代喊得最响、SOTA 数字最魔幻、可比性最差。

1.1 三代各自踩中的真实问题

代次	解决了什么真问题	引入了什么新问题
G1	”上下文窗口不够用”	上下文写什么完全靠开发者拍脑袋
G2	”把规则交给 LLM 部分自动化”	评测变得不可比；structure 引入大量 hyperparameter
G3	”彻底自动化写决策”	build phase 成本爆炸；oracle 路由难发现；paired 评测纪律松弛

🧠 核心洞察：每代解决的”真问题”都是上一代没解决的；每代引入的”新问题”都是下一代要面对的。G3 引入的方法论问题（不可比、cost、oracle）在 2026 年已成为这个方向的瓶颈——这正是本模块的核心使命。

---

2. 演进时间线：12 个里程碑

按出版时间排，每篇给”它解决了什么、它的弱点在哪、它给本模块贡献了什么”。

2.1 G1 → G2 过渡（2023）

🎯 MemGPT（2023.10）—— OS 隐喻的奠基者

• 解决：上下文窗口的”虚拟内存”层级；首次提出 LLM 用 function-call 自我编辑 memory
• 弱点：Function-calling 成功率严重依赖 base LLM；仅在 GPT-4 上跑通；写策略仍是”用户/系统提示驱动”，不是真正的 agentic 自主
• 本模块贡献：让”Memory 是有层级的工程对象”成为共识；后续 G3 系统几乎都默认 Long/Short 双层

🎯 Generative Agents（2023.04）

• 解决：episodic memory + reflection + planning 三件套，首次完整跑通”AI town”小镇
• 弱点：评测靠人类观察”生活合理性”，不是 long-term task QA accuracy
• 本模块贡献：reflection trigger（输出后周期性反思）成为后续大量系统的标配

2.2 G2 中段（2024）

🎯 LongMemEval（2024.10, ICLR’25）⭐

• 解决：第一个被广泛接受的 long-term memory benchmark（500 题、6 类能力、~115K token 干扰）
• 弱点：单查询/单 conversation，cache reuse 结构上不可能；question_type 标签可被 oracle 滥用
• 本模块贡献：本模块 H1a 的事实战场；第 1 章 Pareto 图横坐标的来源

🎯 LoCoMo（2024.02）

• 解决：多查询、长对话、跨 session 时间推理；填补 LongMemEval 的”单查询”空白
• 弱点：绝对 F1 在不同论文里跑出 24%-82% 极端不可比；judge 实现差异巨大
• 本模块贡献：H1b 的事实战场；多查询缓存复用率 >70% 数据来自这里

🎯 HippoRAG / MemoryBank / ReadAgent（2024）

• 解决：分别用海马体类比（HippoRAG）、Ebbinghaus 衰减（MemoryBank）、文档分页（ReadAgent）丰富 memory 子结构
• 弱点：每个都引入大量 hyperparameter，paired evaluation 缺位
• 本模块贡献：让”cognitive-inspired”成为主流叙事 hook，但实际 ablation 通常薄弱

2.3 G3 爆发（2025）

🎯 Mem0（2025.04）⭐

• 解决：production-ready 的 fact-extraction + update + delete 完整管线；提供商业 API
• 机制：LLM extract facts → semantic dedup → update or insert
• 宣称：在 LongMemEval 上 acc +10pp 以上、token 节省 90%
• 真实评测水分：baseline 是 OpenAI memory（公认弱），不是 hybrid retrieval；judge 是自家
• atlas 落点：input-driven write（每次对话后必写），retrieval-only read

🎯 A-Mem（2025.02, NeurIPS’25）

• 解决：第一个真正”agentic”的写决策——LLM 决定每条 fact 是否值得写，是否合并
• 机制：基于 ZettelKasten 知识链接，fact 之间形成 graph
• 弱点：build token 成本 1.26M / conversation（对比 zero-build 0），收益 / 成本比极差
• atlas 落点：output-driven write（每个回答后判断），retrieval-only read

🎯 MemoryOS（2025.06, EMNLP Oral）

• 解决：把 memory 视为”操作系统”——分页、淘汰、context window 管理类比 virtual memory
• 机制：分 short-term / mid-term / long-term 三层，FIFO + LRU 淘汰
• 弱点：build token 669K / conversation；与简化版 hybrid retrieval 相比提升不显著
• atlas 落点：scheduled write（按 buffer 满），retrieval-only read

🎯 LightMem（2026 ICLR, 2025.10 上线）

• 解决：deferred extraction——short-term buffer 满 512 token 才触发抽取，号称 117× token 节省
• 机制：Atkinson-Shiffrin 三层 + sleep-time consolidation
• 弱点：117× 节省的对比基线是”每对话都全 extract”，不是 zero-build retrieval
• atlas 落点：scheduled + threshold write，retrieval-only read

🎯 EMem（2025.11）

• 解决：把 trigger 简化到极致——“semantic density gating”，低信息密度对话直接跳过 extraction
• 弱点：density 阈值是 dataset-tuned hyperparameter
• atlas 落点：input-driven gated write，retrieval-only read

2.4 G3 续集（2026）

🎯 Memori（2026）

• 机制：persistent memory layer + context-aware retrieval
• 真实评测：在 LoCoMo 上报告 F1 81.95%，对应论文里的 Pareto 右上角
• 争议：未充分公开 retrieval pipeline 强度；与 zero-build retrieval 的 paired 缺失
• atlas 落点：output-driven write，adaptive read

🎯 LiCoMemory（2025.11）

• 机制：lightweight + cognitive，强调能在 edge 设备跑
• 弱点：未与同 backbone 的 Mem0/A-Mem paired
• atlas 落点：input-driven write，retrieval-only read

🎯 Nemori（2025.08）

• 机制：self-organizing memory，按认知科学的”组块化”原则自组织
• atlas 落点：output-driven write + reflection，generative-on-read

🎯 SimpleMem（2026）

• 机制：极简 baseline——只做 chunk + dedup，不做 LLM extract
• 价值：作为 G3 阵营自带的”诚实 baseline”，非常重要

🎯 D-MEM（2026）

• 机制：dopamine-gated routing——RL 奖励预测误差控制写决策
• 创新：第一次把 RL 引入 memory write trigger
• 弱点：奖励信号定义本身高度任务依赖

🎯 Selective Memory（2026）

• 机制：write-time gating + hierarchical archiving
• 价值：与本模块审计视角最契合，把”selective”当成可证伪命题来设计

🌟 时间线一句话：3 年 12 个里程碑，但真正改变方法论的是 LongMemEval / LoCoMo（让评测可标准化）和 Diagnosing Retrieval vs Utilization（让”retrieval 解释 20pp、write strategy 解释 3-8pp”成为审计共识）。

---

3. 2 轴分类法：write-trigger × read-behavior

把上面所有系统摊在一张 2D 表上，先讲 2 轴的定义。

3.1 Write-Trigger 轴（4 + 1 类）

类型	触发条件	代表
input-driven	每接收一段用户/agent 输入就写（无条件）	Mem0、LiCoMemory、EMem（gated 版）
output-driven	每生成一段回答后写	A-Mem、Memori、Nemori
failure-driven	仅在 retrieval 置信度低 / 任务失败时写	本模块作者论文的 H1（被证伪）
scheduled	按 buffer 满 / 时间窗 / token 数	LightMem、MemoryOS
hybrid / RL	多信号融合或 RL 学习触发	D-MEM、Selective Memory

⭕ “oracle write” 是隐藏的第 6 类：作者用 benchmark 提供的标签（如 question_type）决定写策略——不是真正的 agentic，但论文里常被包装成”adaptive”。

3.2 Read-Behavior 轴（3 类）

类型	行为	代表
retrieval-only	把 memory 当 RAG 库，top-K 取出塞 prompt	大多数 G3 系统
adaptive retrieval	多 channel 自适应路由（如 fact / episode / temporal 各自检索）	MemoryOS、Memori
generative-on-read	检索后再用 LLM 生成 / 改写 / 综合一次	A-Mem、Nemori、本模块 H1 的 C3/C4/C5

3.3 一张矩阵表

	retrieval-only	adaptive	generative-on-read
input-driven	Mem0、LiCoMemory、SimpleMem、EMem	（空）	（空）
output-driven	（空）	Memori	A-Mem、Nemori
failure-driven	（空）	（空）	本模块 H1（被证伪）
scheduled	LightMem、MemoryOS（部分）	MemoryOS（部分）	（空）
hybrid / RL	（空）	D-MEM	Selective Memory

🧠 核心洞察：12 个候选格子里，有 6 个完全空白——这不是因为它们没价值，而是没人系统化测过。比如 input-driven × generative-on-read（每输入都触发 + 每读都生成）成本看起来很高，但没人做过 paired 评测说它一定差。这本身就是本模块的研究 backlog。

---

4. 11 系统 atlas（代码级精读）

每系统给一份统一 schema 的精读卡：

名称 / 时间 / 出版 / GitHub
├─ 一句话动机
├─ write-trigger 落点
├─ read-behavior 落点
├─ 关键代码位置（实际函数名）
├─ 论文宣称的提升
├─ 真实评测里的水分（baseline / judge / oracle）
└─ 对本模块审计的 takeaway

4.1 Mem0（2025.04）

字段	内容
出版	arXiv 2504.19413
一句话动机	”把研究界的 fact-extract / update / delete 落到生产 API”
write-trigger	input-driven —— 每次 add() 调用必写
read-behavior	retrieval-only —— FAISS top-K + 简单 rerank
关键代码	mem0/memory/main.py:add(), _extract_facts()
论文宣称	LongMemEval acc +10pp，token 节省 90%
水分	baseline 是 OpenAI Memory（已知弱）；judge 自家实现
takeaway	工程价值高，研究价值需 paired 重测

4.2 A-Mem（2025.02, NeurIPS’25）

字段	内容
出版	arXiv 2502.12110
一句话动机	”Zettelkasten 风格的 fact graph，让 memory 之间自动 link”
write-trigger	output-driven —— 每次 LLM 回答后判断
read-behavior	generative-on-read —— graph 检索后 LLM 综合
关键代码	agentic_memory/memory_system.py
论文宣称	在 LongMemEval 多个 ability 类上 SOTA
水分	build token 成本 1.26M / conversation；未与等成本 retrieval-only 对比
takeaway	创新真实，但成本-效益悬而未决

4.3 MemoryOS（2025.06, EMNLP Oral）

字段	内容
出版	arXiv 2506.06326
一句话动机	”把 memory 设计当 OS 设计——分页、淘汰、内核态”
write-trigger	scheduled —— buffer 满触发
read-behavior	adaptive —— short / mid / long term 各自检索
关键代码	memoryos/short_term.py, mid_term.py, long_term.py
论文宣称	跨多 benchmark SOTA
水分	build token 669K / conversation；oracle question_type 路由可疑
takeaway	OS 隐喻好读，但实际 hyperparameter（buffer 大小、淘汰策略）密度极高

4.4 LightMem（2026 ICLR）

字段	内容
出版	arXiv 2510.18866
一句话动机	”117× token 节省——抽取延迟到 buffer 满 512 token”
write-trigger	scheduled + threshold
read-behavior	retrieval-only
关键代码	lightmem/sensory_buffer.py, consolidation.py
论文宣称	117× token 节省、accuracy 持平或优
水分	117× 是相对”每对话全 extract”，不是 zero-build
takeaway	工程优化清晰；研究价值在”延迟抽取”这个被证实的杠杆

4.5 EMem（2025.11）

字段	内容
出版	arXiv 2511.17208
一句话动机	”极简 baseline + density gating”
write-trigger	input-driven gated
read-behavior	retrieval-only
关键代码	emem/density_gate.py
论文宣称	在 long-term conversational memory 上的 strong baseline
水分	density 阈值是 dataset-tuned
takeaway	”强 baseline 论文”应得到更多关注，给后续 paired 提供锚点

4.6 Memori（2026）

字段	内容
出版	arXiv 2603.19935
一句话动机	”持久化 memory layer + context-aware retrieval”
write-trigger	output-driven
read-behavior	adaptive
关键代码	repo 未完全开源
论文宣称	LoCoMo F1 81.95%
水分	retrieval pipeline 强度未充分披露；与 zero-build paired 缺失
takeaway	LoCoMo 上”绝对 F1 高位”的代表，但可比性需独立验证

4.7 LiCoMemory（2025.11）

字段	内容
出版	arXiv 2511.01448
一句话动机	”Lightweight + Cognitive，跑得起 edge”
write-trigger	input-driven
read-behavior	retrieval-only
论文宣称	在低算力下 SOTA-level memory
水分	未与同 backbone 的 Mem0/A-Mem paired
takeaway	”成本约束”维度有研究空间，但 paired 评测缺位

4.8 Nemori（2025.08）

字段	内容
出版	arXiv 2508.03341
一句话动机	”self-organizing 组块化 memory”
write-trigger	output-driven + reflection
read-behavior	generative-on-read
论文宣称	长对话上自组织优于固定结构
水分	自组织参数未公开
takeaway	reflection trigger 这条线还没被严格证伪过

4.9 SimpleMem（2026）

字段	内容
出版	arXiv 2601.02553
一句话动机	”如果朴素方案够用，为什么要搞复杂？“
write-trigger	input-driven —— 极简 chunk + dedup
read-behavior	retrieval-only
论文宣称	”非常简单”也能接近 SOTA
水分	极小（这就是它的价值）
takeaway	本模块作者建议把它当成 G3 阵营的”内置 strong baseline”

4.10 D-MEM（2026）

字段	内容
出版	arXiv 2603.14597
一句话动机	”用多巴胺奖励预测误差控制写决策”
write-trigger	hybrid / RL
read-behavior	adaptive
论文宣称	RL 学到的写策略优于固定规则
水分	奖励信号定义任务依赖；跨任务泛化未充分测
takeaway	RL trigger 是真正未充分探索的方向

4.11 Selective Memory（2026）

字段	内容
出版	arXiv 2603.15994
一句话动机	”write-time gating + hierarchical archiving”
write-trigger	hybrid
read-behavior	adaptive
论文宣称	”selective” 优于”全写”
水分	gating 阈值的 sensitivity sweep 缺位
takeaway	与本模块审计视角最契合，但 sensitivity 分析仍需补

---

5. “创新词汇表”翻译——把营销词翻成可证伪命题

读 G3 论文时，下面这张翻译表能让你 30 秒看穿一篇论文真正的工程主张：

营销词	翻成可证伪形式	怎么测
”agentic memory”	写决策由 LLM 而非外部规则做	关掉 LLM 写决策，看 acc 是否下降
”adaptive retrieval”	多 channel 路由	关掉路由用单 channel，看 acc 差距
”selective writing”	部分输入跳过写	写率 = 100% vs 当前比例的 paired
”self-organizing”	结构动态变化	锁定固定结构 vs 动态，paired
”cognitive-inspired”	借用了某个心理学概念	不是命题；忽略，看下面三栏
”lightweight”	build token / latency 低	报绝对数字，不要相对节省
”scalable”	在 N×N 大小数据上仍 OK	给 cumulative-effect plot
”production-ready”	有商用 API、SLA、错误恢复	不是研究命题，是工程命题

⭕ 审计提示：一篇论文的”创新词”占了 abstract 80% 但翻成可证伪形式后只剩 1-2 条 → 那 1-2 条才是真正的科学主张，paired 评测应该围绕它们。

---

6. 5 个真正未解决的开放问题

抛开”我们提出了 XXX”的营销层，这条赛道还有哪些真正没解决的问题？

6.1 OP1：构造杠杆的真实上限是多少

🌟 现状：跨论文 Pareto 拟合显示 build token 162× → +3.6 pp，控制混杂后边际可能接近 0；但控制混杂的 paired-internal 测试还没人系统跑过。

真正的研究问题：在固定 retrieval pipeline、固定 judge、零 oracle 的前提下，最聪明的 G3 系统相对 zero-build 能挤出多少 pp？已有零星数据（本模块作者论文 4 backbone × 6 condition）显示在 failure-triggered + LLM-extracted 这一族上是 0；其他族（input-driven + retrieval-only、scheduled + adaptive）尚未系统测。

6.2 OP2：retrieval × write 的耦合是单调的吗

现状：Diagnosing Retrieval vs Utilization 论文显示在 weak retrieval + LLM extract 的组合上，extract 提升 ~3-8 pp；但没人测过 strong retrieval 上 extract 还能不能提升。

真正的研究问题：是否存在一个 retrieval 强度阈值，超过它后 write strategy 完全退化？本模块作者论文上 bge-large + RRF 已经是这种情况——这是个 anecdote，需要系统化的 retrieval × write 二维 sweep。

6.3 OP3：长 conversation 下”信息坍塌”是不是物理瓶颈

现状：LoCoMo 上多数 G3 系统的 cache 命中率 >70%，但每次命中带来的 marginal acc 提升微乎其微（本模块 H1b：+0.00 pp on binary）。

直觉假设：当 conversation 足够长，所有”局部 LLM-extracted artifact”都因为 information density 低而坍塌成 noise。这是物理瓶颈还是工程问题？ 需要正面测：随 conversation 长度变化的 marginal acc 曲线。

6.4 OP4：Backbone 之间的 trigger primitive 转移性

现状：本模块作者 4 backbone H1a 显示方向一致 null；但正向 trigger 在不同 backbone 上是否转移没有公开数据。

真正的研究问题：D-MEM 的 RL trigger 在 GPT-4 上学的策略，迁移到 Llama-3 上是否仍有效？这关系到”agentic memory”本身的可移植性。

6.5 OP5：Memory 评测应当 paired 还是 task-level

现状：所有现有 benchmark（LongMemEval / LoCoMo / MemBench / MEMTRACK）都是 question-level pairing；但 agent 实际用 memory 是 task-level（执行多步 task 中查询多次）。

真正的研究问题：question-level 显著的 trigger 是否在 task-level 失效？反之亦然？目前只有 LoCoMo 多查询是 task-level 的近似，且数据极少。

🧠 总观察：5 个开放问题里，前 4 个都需要”严格的 paired 实证”才能推进——也就是本模块第 4-5 章要交付的工具链。这就是为什么”实证审计与负结果方法论”是这条赛道当下最缺的能力。

---

7. 方法论演进：从 leaderboard 到 preregistered

把 Memory 评测的方法论也按时间线压一压：

时段	主流做法	问题
2020-2023	单数字 leaderboard，比绝对 acc	retrieval / judge / oracle 不可比
2024 上半	加 ablation 表，比 component 影响	ablation 不一定 paired，p 值常缺
2024 下半	出现 paired McNemar、bootstrap CI	preregistration 缺位，optional stopping 风险
2025-2026	出现 preregistered + DEVIATIONS	极少数论文，但正在成为 norm

本模块作者论文是少数把以下 5 件事一次性做齐的：

1. EXPERIMENTS_PREREG.md 在跑实验前提交
2. paired binary acc 主端点 + F1 secondary
3. McNemar + TOST + clustered bootstrap 报齐
4. cumulative-effect plot 防 optional stopping
5. positive control（C+oracle, +20 pp, p=1.1e-5）

🌟 方法论一句话：2026 年的 Memory 论文，没做完上面 5 件事的，reviewer 会越来越不接受。第 4-5 章会逐一交付实操模板。

---

8. 怎么用本章作为研究 starter pack

如果你正准备写一篇 Memory 论文（无论正向还是负向），先把本章当成 starter pack 用：

1. 看 §2 演进时间线 → 找你想"接着 X 论文做"的那篇祖父
2. 看 §4 atlas → 把你的设计落到 atlas 哪个格子
3. 看 §5 翻译表 → 把你的"创新点"翻成可证伪命题
4. 看 §6 OP1-OP5 → 找你的工作能推进哪个开放问题
5. 看 §7 方法论 → 决定要交付的 5 件证据各自怎么收
6. 跳到第 3 章把假设写成 H_i 的形式
7. 跳到第 4 章把统计三件套跑起来
8. 跳到第 5 章给自己的 negative path 加 positive control

🌟 本章一句话总结：Agent Memory 这条赛道的真正前沿不在”再发明一个 trigger primitive”，而在”用严格方法论筛掉 80% 的伪 SOTA，让剩下 20% 的真贡献能被识别”——这正是本模块从第 1 章到第 8 章想交付的能力。

---

✅ 自我检验清单

• 三代演进：能用 1 分钟讲清 G1 → G2 → G3 各自解决和引入的问题
• 12 个里程碑：能任选 5 篇说出它们各自的 takeaway
• 2 轴矩阵：能在 atlas 里指出至少 3 个空白格子并解释为什么空白
• 代码级精读：能为 11 系统中任意 1 个，30 分钟内补全 atlas 卡片
• 营销词翻译：能现场翻译 5 个营销词到可证伪命题
• 5 个开放问题：能复述 OP1-OP5 并说出每个的”真正研究问题”
• 方法论演进：能列出 2026 年合规论文应交付的 5 件证据
• starter pack 用法：能用本章 8 步流程为自己的论文生成 Day-1 checklist

---

📚 参考资料

概念入门

• Agent Memory 学习路线（模块五，前置阅读） —— Agent Memory学习路线.md：先把 Memory 是什么搞清楚
• Anatomy of Agentic Memory（Anonymous, 2026）：arXiv 2602.19320 —— 与本章互补的 empirical analysis 综述

关键论文（按 §2 时间线对应）

G1 → G2 过渡

• MemGPT（Packer et al., 2023） —— OS 隐喻奠基
• Generative Agents（Park et al., 2023） —— reflection trigger 起源

G2 关键 benchmark

• LongMemEval（Wu et al., ICLR 2025）：arXiv 2410.10813 —— H1a 战场
• LoCoMo（Maharana et al., 2024）：arXiv 2402.17753 —— H1b 战场
• Diagnosing Retrieval vs Utilization（Yuan et al., 2026）：arXiv 2603.02473 —— retrieval 解释 20 pp 的关键先验

G3 系统（11 篇 atlas）

• Mem0（Chhikara et al., 2025）：arXiv 2504.19413
• A-Mem（Xu et al., NeurIPS 2025）：arXiv 2502.12110
• MemoryOS（Kang et al., EMNLP 2025）：arXiv 2506.06326
• LightMem（Fang et al., ICLR 2026）：arXiv 2510.18866
• EMem（Zhou, 2025）：arXiv 2511.17208
• Memori（Anonymous, 2026）：arXiv 2603.19935
• LiCoMemory（Huang et al., 2025）：arXiv 2511.01448
• Nemori（Nan et al., 2025）：arXiv 2508.03341
• SimpleMem（Anonymous, 2026）：arXiv 2601.02553
• D-MEM（Song & Xin, 2026）：arXiv 2603.14597
• Selective Memory（Zahn & Chana, 2026）：arXiv 2603.15994

并行 taxonomy 工作

• MemOS（Li et al., 2025）：arXiv 2507.03724 —— “Memory OS for AI” 并行视角
• In Prospect and Retrospect (RMM, ACL 2025)：arXiv 2503.08026 —— reflective memory management

行业讨论

• OpenReview 评审记录 —— LongMemEval / A-Mem / Mem0 等论文的 reviewer 关切，是了解领域真实争议的最佳一手资料
• arXiv “agent memory” 关键词周更 —— 本模块编写时的 starting set，建议每月扫一次

框架文档（如适用）

• Mem0 GitHub：mem0ai/mem0 —— 商用 API + 开源 client
• Letta（原 MemGPT）GitHub：letta-ai/letta —— G2 → G3 过渡的工程化样本
• A-Mem GitHub：用于 §4.2 代码级精读的入口

写完本章后，第 3-7 章会把 §6 的 5 个开放问题 + §7 的 5 件证据一一展开成可操作的工具链。第 8 章是端到端实战。