IA Rencontre le Cerveau : Systèmes de Mémoire de la Neurosciences Cognitive aux Agents Autonomes
AI Meets Brain: Memory Systems from Cognitive Neuroscience to Autonomous Agents
December 29, 2025
papers.authors: Jiafeng Liang, Hao Li, Chang Li, Jiaqi Zhou, Shixin Jiang, Zekun Wang, Changkai Ji, Zhihao Zhu, Runxuan Liu, Tao Ren, Jinlan Fu, See-Kiong Ng, Xia Liang, Ming Liu, Bing Qin
cs.AI
papers.abstract
La mémoire constitue le pivot essentiel reliant le passé et le futur, fournissant aux humains comme aux systèmes d’IA des concepts et une expérience indispensables pour accomplir des tâches complexes. Les recherches récentes sur les agents autonomes se concentrent de plus en plus sur la conception de flux de travail efficaces pour la mémoire en s’inspirant des neurosciences cognitives. Cependant, freinés par les barrières interdisciplinaires, les travaux existants peinent à assimiler l’essence des mécanismes de la mémoire humaine. Pour combler cette lacune, nous synthétisons systématiquement les connaissances interdisciplinaires sur la mémoire, en reliant les perspectives des neurosciences cognitives à celles des agents pilotés par les LLM. Plus précisément, nous élucidons d’abord la définition et la fonction de la mémoire en suivant une trajectoire progressive allant des neurosciences cognitives aux LLM, puis aux agents. Nous proposons ensuite une analyse comparative de la taxonomie de la mémoire, des mécanismes de stockage et du cycle complet de gestion, à la fois sous les angles biologique et artificiel. Par la suite, nous passons en revue les principaux benchmarks utilisés pour évaluer la mémoire des agents. De plus, nous explorons la sécurité de la mémoire sous les angles complémentaires de l’attaque et de la défense. Enfin, nous envisageons des orientations futures pour la recherche, en mettant l’accent sur les systèmes de mémoire multimodale et l’acquisition de compétences.
English
Memory serves as the pivotal nexus bridging past and future, providing both humans and AI systems with invaluable concepts and experience to navigate complex tasks. Recent research on autonomous agents has increasingly focused on designing efficient memory workflows by drawing on cognitive neuroscience. However, constrained by interdisciplinary barriers, existing works struggle to assimilate the essence of human memory mechanisms. To bridge this gap, we systematically synthesizes interdisciplinary knowledge of memory, connecting insights from cognitive neuroscience with LLM-driven agents. Specifically, we first elucidate the definition and function of memory along a progressive trajectory from cognitive neuroscience through LLMs to agents. We then provide a comparative analysis of memory taxonomy, storage mechanisms, and the complete management lifecycle from both biological and artificial perspectives. Subsequently, we review the mainstream benchmarks for evaluating agent memory. Additionally, we explore memory security from dual perspectives of attack and defense. Finally, we envision future research directions, with a focus on multimodal memory systems and skill acquisition.