ストレージから経験へ：LLMエージェントの記憶機構の進化に関するサーベイ

From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms

May 7, 2026

著者: Jinghao Luo, Yuchen Tian, Chuxue Cao, Ziyang Luo, Hongzhan Lin, Kaixin Li, Chuyi Kong, Ruichao Yang, Jing Ma

cs.AI

要旨

大規模言語モデル（LLM）ベースのエージェントは、外部ツールと計画能力を統合することで人工知能のあり方を根本的に変えてきた。メモリ機構はこれらのシステムのアーキテクチャ上の基盤として浮上しているものの、現在の研究は断片的であり、オペレーティングシステム工学と認知科学の間を行き来している。この理論的な隔たりは、技術的統合の統一的な視点や一貫した進化の展望を妨げている。このギャップを埋めるため、本サーベイではLLMエージェントのメモリ機構に関する新たな進化フレームワークを提案し、その発展プロセスを「記憶（軌跡保存）」、「反省（軌跡洗練）」、「経験（軌跡抽象化）」の3段階として形式化する。まず、これら3段階を正式に定義した上で、この進化を駆動する3つの中核的要因、すなわち長期的整合性の必要性、動的環境における課題、そして継続学習という究極の目標を分析する。さらに、先端的な「経験」段階における2つの変革的メカニズム、すなわち能動的探索と横断的軌跡抽象化に特に焦点を当てる。これらの異なる視点を統合することにより、本稿は次世代LLMエージェント開発のための堅牢な設計原理と明確なロードマップを提供する。

English

Large Language Model (LLM)-based agents have fundamentally reshaped artificial intelligence by integrating external tools and planning capabilities. While memory mechanisms have emerged as the architectural cornerstone of these systems, current research remains fragmented, oscillating between operating system engineering and cognitive science. This theoretical divide prevents a unified view of technological synthesis and a coherent evolutionary perspective. To bridge this gap, this survey proposes a novel evolutionary framework for LLM agent memory mechanisms, formalizing the development process into three stages: Storage (trajectory preservation), Reflection (trajectory refinement), and Experience (trajectory abstraction). We first formally define these three stages before analyzing the three core drivers of this evolution: the necessity for long-range consistency, the challenges in dynamic environments, and the ultimate goal of continual learning. Furthermore, we specifically explore two transformative mechanisms in the frontier Experience stage: proactive exploration and cross-trajectory abstraction. By synthesizing these disparate views, this work offers robust design principles and a clear roadmap for the development of next-generation LLM agents.