面试官反问：Agent 为什么必须学会遗忘？讲解agent memory长期记忆
面试官：你刚才讲长期记忆分了短期、长期，长期里又拆了情景记忆、语义记忆、程序记忆。那我追问一个——既然整理得这么明白，为什么还要给 Agent 专门设计一个"遗忘"机制？♂️我：呃……记忆越来越多，检索会变慢，塞进上下文也浪费 Token？面试官：这答案不能说错。
Agent方向还有哪些值得研究的问题？别只做工具拼接
这两年，Agent已经成为大模型研究中的热门方向。但对于准备SCI、CCF论文的研究生来说，真正值得研究的，不是如何让大模型接入更多工具，而是Agent能否在复杂环境中稳定地完成任务。
Agent记忆也会出错：两份研究提醒了什么
AI 编程助手跨会话记住项目习惯，确实能省去反复解释。但一条经验如果丢了适用条件，也可能把下一次任务带偏。11 月 6 日，Anthropic 的工程团队分享了 Agent 记忆的组织方法：保留可搜索的工作记录，用笔记和知识页面整理信息，再在后续任务中按需检索。
从短期上下文到长期记忆：瀚高数据库如何支撑 Agent Memory
随着大模型应用从单轮问答走向 Agent，系统需要处理的“历史信息”越来越多。一次任务中的上下文、过去的对话、用户长期偏好、历史决策，甚至某类任务中积累的经验，都可能影响 Agent 当前的判断。
VISTA 论文解读：Kaiming 的第一篇 Agent 工作给视觉模型补“记忆”
kaiming大佬也开始研究Agent了，但是这篇论文还是和Agent有关。这篇文章从 Agent 系统设计、视觉记忆、上下文管理和评测方法几个角度梳理这篇论文。多模态 Agent 在短任务里已经能稳定处理截图、理解界面并执行动作。
泡沫推演说 2028 破裂：Agent 的记忆账单这周就到了
LFL 原创图解科普 · 第 37 期 · 2026-10-25。4 张原创信息图，读图优先。本文由两条线织成：一条是昨夜登上头条热榜的「AI 泡沫」推演词条（站内实见转述）；另一条是本系列此前各期引用过的 arXiv 预印本实测数据，外加两篇 10 月中下旬新论文。
最强开源 1.3B OCR模型，本地Agent、知识库都有救了～
3B 参数的 OXR 只占单卡24G显存，却在三大基准评测上排到第一。前几天刷 X 的时候，刚好看到一个叫OXR的国产开源文档解析模型在技术圈讨论度很高，还登上了 X Daily News，
Agent记忆系统的设计实践：一张表、一个索引、三套淘汰策略
从会话上下文的简单拼接，到跨会话的长期记忆，再到可被检索的语义知识，一个Agent能记住什么、记住多久、在该忘的时候敢不敢忘，决定了它是玩具还是工具。
记忆该按事件切，还是按时间切
摘要：记忆按秒切还是按事件切，方向对，但那个 45.7% 没有官方出处。一篇 arXiv 论文给出了更硬的答案：赢的不是事件，是按状态的依赖关系选；而且这个结论有适用区间。三小时的发布会录像，一整天的监控，一场两小时的评审会。