Память в эпоху ИИ-агентов

Аннотация

Память стала и продолжает оставаться ключевой способностью агентов на основе фундаментальных моделей. По мере того как исследования памяти агентов стремительно расширяются и привлекают беспрецедентное внимание, область становится все более фрагментированной. Существующие работы, относящиеся к теме памяти агентов, часто существенно различаются по своей мотивации, реализации и протоколам оценки, а распространение слабо определенной терминологии еще больше затрудняет концептуальную ясность. Традиционные таксономии, такие как долговременная/кратковременная память, оказались недостаточными для отражения разнообразия современных систем памяти агентов. Данная работа направлена на предоставление актуального обзора текущих исследований памяти агентов. Мы начинаем с четкого разграничения области памяти агентов и ее отличия от смежных концепций, таких как память больших языковых моделей (LLM), генерация с усилением retrieval (RAG) и инженерия контекста. Затем мы рассматриваем память агентов через единые призмы форм, функций и динамики. С точки зрения форм мы выделяем три основных реализации памяти агентов: память на уровне токенов, параметрическая и латентная память. С точки зрения функций мы предлагаем более детальную таксономию, различающую фактологическую, эпизодическую и рабочую память. С точки зрения динамики мы анализируем, как память формируется, развивается и извлекается с течением времени. Для поддержки практической разработки мы составили всеобъемлющий перечень бенчмарков памяти и фреймворков с открытым исходным кодом. Помимо консолидации, мы формулируем перспективный взгляд на emerging research frontiers, включая автоматизацию памяти, интеграцию с обучением с подкреплением, мультимодальную память, память в мультиагентных системах и проблемы доверия. Мы надеемся, что этот обзор послужит не только справочным материалом по существующим работам, но и концептуальной основой для переосмысления памяти как первоклассной primitive при проектировании будущего агентного интеллекта.

English

Memory has emerged, and will continue to remain, a core capability of foundation model-based agents. As research on agent memory rapidly expands and attracts unprecedented attention, the field has also become increasingly fragmented. Existing works that fall under the umbrella of agent memory often differ substantially in their motivations, implementations, and evaluation protocols, while the proliferation of loosely defined memory terminologies has further obscured conceptual clarity. Traditional taxonomies such as long/short-term memory have proven insufficient to capture the diversity of contemporary agent memory systems. This work aims to provide an up-to-date landscape of current agent memory research. We begin by clearly delineating the scope of agent memory and distinguishing it from related concepts such as LLM memory, retrieval augmented generation (RAG), and context engineering. We then examine agent memory through the unified lenses of forms, functions, and dynamics. From the perspective of forms, we identify three dominant realizations of agent memory, namely token-level, parametric, and latent memory. From the perspective of functions, we propose a finer-grained taxonomy that distinguishes factual, experiential, and working memory. From the perspective of dynamics, we analyze how memory is formed, evolved, and retrieved over time. To support practical development, we compile a comprehensive summary of memory benchmarks and open-source frameworks. Beyond consolidation, we articulate a forward-looking perspective on emerging research frontiers, including memory automation, reinforcement learning integration, multimodal memory, multi-agent memory, and trustworthiness issues. We hope this survey serves not only as a reference for existing work, but also as a conceptual foundation for rethinking memory as a first-class primitive in the design of future agentic intelligence.

Память в эпоху ИИ-агентов

Memory in the Age of AI Agents

Аннотация

Support