AITOP

5月15日

00:57

berryxia@berryxia

63

腾讯AI团队经过6个月研发，开源了一套Agent记忆系统，针对长会话中上下文丢失问题提出三招解决方案：实时压缩过期上下文（token消耗降低61%）、用Mermaid语法生成结构化任务地图（减少30多步复杂流程中的丢轨概率）、建立Persona记忆（人格一致性从48%提升至76%）。这套系统已在GitHub开源，旨在解决Agent记忆的核心难题——让模型在正确时间用正确方式想起正确信息。

AI产品智能体记忆系统开源/仓库腾讯AI 上下文管理

推荐理由：做Agent开发的团队终于有了开箱即用的记忆方案，不用再靠堆token硬扛长上下文——腾讯这套系统直接开源，建议立刻去试。

5月13日

19:12

arXiv cs.LG@Seokwon Jung, Alexander Rubinstein, Arnas Uselis, Sangdoo Yun, Seong Joon Oh

精选65

MEME 是一个针对 LLM 智能体在多会话环境中记忆能力的新基准，覆盖了多实体和演化两个维度的六项任务，其中三项（级联、缺失、删除）是此前工作未评估的。在 100 个受控场景中测试了六种记忆系统，发现所有系统在默认配置下的依赖推理任务上表现极差（级联任务平均准确率 3%，缺失任务 1%），尽管静态检索性能尚可。提示优化、更深层检索、减少填充噪声以及更强的大模型都无法弥补这一差距。只有基于文件的智能体配合 Claude Opus 4.7 能部分改善，但成本是基准方案的约 70 倍，说明当前依赖推理的解决方案不具备可扩展性。

论文 LLM 智能体记忆系统基准测试依赖推理 MEME

推荐理由：做 LLM 智能体长期记忆系统的团队会发现，现有方案在依赖推理上几乎失效——MEME 基准暴露了被忽视的盲区，值得点开看看你的系统能否通过级联和缺失任务。