wuyang
38 lines
5.9 KiB
Markdown
38 lines
5.9 KiB
Markdown
# 证据账本
|
||
|
||
`full` 表示核过实验表、关键消融或 limitation；`context` 表示全文已转文本并做章节定位，但不承担本轮核心结论。
|
||
|
||
| Date | Paper | Depth | 可支持的判断 | 不能外推的部分 |
|
||
| --- | --- | --- | --- | --- |
|
||
| 2025-01 | [Zep, 2501.13956](https://arxiv.org/abs/2501.13956) | full | 长对话静态 QA 可用时间图谱大幅缩短上下文和延迟，并提升部分题型 | DMR 已饱和；single-session-assistant 反而下降；不是行动任务 |
|
||
| 2025-02 | [A-MEM, 2502.12110](https://arxiv.org/abs/2502.12110) | full | 动态 linked-note 组织在 LoCoMo 上能优于若干早期 memory baseline | 方法、模型和 token 配置并非严格单变量控制 |
|
||
| 2025-05 | [Experience-Following, 2505.16067](https://arxiv.org/abs/2505.16067) | full | 经验会影响后续相似任务，错误和错配经验会传播 | 不能证明某种通用写入或删除策略最优 |
|
||
| 2025-07 | [MemoryAgentBench, 2507.05257](https://arxiv.org/abs/2507.05257) | full | retrieval、TTL、LRU、forgetting 是不同能力；复杂更新和全局综合仍弱 | 数据集转换和统一 prompt 不能覆盖真实 agent loop |
|
||
| 2026-02 | [MemoryArena, 2602.16313](https://arxiv.org/abs/2602.16313) | full | 通用 memory/RAG 在相互依赖的多 session 行动任务上成功率低，额外 memory 延迟更高 | benchmark 本身很难，失败同时含 policy/reasoning 问题 |
|
||
| 2026-03 | [Retrieval vs Utilization, 2603.02473](https://arxiv.org/abs/2603.02473) | full | LoCoMo 上 retrieval 方法差异大于 write strategy，raw RAG 是强 baseline | 单模型、单 benchmark、固定 top-k=5 |
|
||
| 2026-05 | [Cross-Component Interference, 2605.05716](https://arxiv.org/abs/2605.05716) | full | memory 与其他 scaffold 的边际作用可为负，必须做 subset ablation | 只有 HotpotQA/GSM8K；tool 组件含协议因素 |
|
||
| 2026-05 | [EvoMemBench, 2605.18421](https://arxiv.org/abs/2605.18421) | full | 15 种方法间不存在跨能力通用最优 memory form | 统一 benchmark 仍不能消除所有实现质量差异 |
|
||
| 2026-05 | [DeMem, 2605.10870](https://arxiv.org/abs/2605.10870) | full | 决策充分状态比描述相似性更适合行动记忆；LoCoMo 描述相似性相关很弱 | 主要是自定义决策任务和理论建模 |
|
||
| 2026-05 | [MemQ, 2605.08374](https://arxiv.org/abs/2605.08374) | full | provenance DAG credit assignment 在多步任务有增益，单步接近无增益 | 没有处理删除和长期错误积累 |
|
||
| 2026-06 | [AutoMEM, 2606.04315](https://arxiv.org/abs/2606.04315) | full | 跨场景无通用赢家；索引会产生 schema loss，passive retrieval 会产生 retrieval loss | 新增 DCI harness 与已有系统的工程成熟度不同 |
|
||
| 2026-06 | [MAGE, 2606.06090](https://arxiv.org/abs/2606.06090) | full | MemoryArena 同设置下，active execution-state tree 同时提高 SR 并减少 token | 单团队结果；绝对成功率在 Travel 仍只有 0.1519 |
|
||
| 2026-06 | [Infini Memory, 2606.10677](https://arxiv.org/abs/2606.10677) | full | topic document 的 maintenance 对结果贡献明显，memory 维护不应被当后台清理 | 系统组件较多，维护和检索仍依赖 LLM |
|
||
| 2026-06 | [HORMA, 2606.11680](https://arxiv.org/abs/2606.11680) | full | organize 与 retrieve 可拆分；高能力 manager 比大 retriever 更关键 | 结论依赖其层级 memory 和任务设置 |
|
||
| 2026-06 | [Online Budget Study, 2606.15017](https://arxiv.org/abs/2606.15017) | full | budget-matched 时，vanilla agent 在 WebArena 多模型汇总上可胜 online skill/memory | 只研究 online augmentation，不覆盖离线学习 |
|
||
| 2026-06 | [TrustMem, 2606.25161](https://arxiv.org/abs/2606.25161) | full | transition-level verifier 和排名训练可降低 omission/corruption/hallucination | verifier 仍是模型；训练、judge 和跨域泛化需要独立核验 |
|
||
| 2026-06 | [Supersede, 2606.27472](https://arxiv.org/abs/2606.27472) | full | 当前值维护是独立瓶颈，更强模型和更大 memory 不足；训练信号能推动它 | 训练只有 Qwen2.5-3B 单次运行，16.7% 远非解决 |
|
||
| 2026-06 | [MemDelta, 2606.29914](https://arxiv.org/abs/2606.29914) | full | embedding、model behavior 和 write cost 足以翻转架构结论 | Mem0 只在 88 题、2/6 题型上做 matched comparison |
|
||
| 2026-06 | [ATMem, 2606.31612](https://arxiv.org/abs/2606.31612) | full | GUI agent 的主动任务状态和选择性调用能提高结果 | 128xH20 训练；更难 DataScope 仍接近失败 |
|
||
| 2026-06 | [GovMem, 2607.02579](https://arxiv.org/abs/2607.02579) | full | 自动写入必须检查独立证据、反例、scope 和 provenance；真实轨迹暴露 false promotion | 外部 133 条是 stress slice，安全自动覆盖率为 0 |
|
||
| 2026-07 | [A-TMA, 2607.01935](https://arxiv.org/abs/2607.01935) | full | current/historical/transition 角色能缓解 ghost memory | 收益 host-dependent，LoCoMo 部分指标不一致 |
|
||
| 2026-07 | [AgenticSTS, 2607.02255](https://arxiv.org/abs/2607.02255) | full | typed memory contract 让技能/episode 可消融和复现 | 3/10 到 6/10 不显著；缺 same-code accumulating-context baseline |
|
||
| 2026-07 | [FARMA, 2607.05029](https://arxiv.org/abs/2607.05029) | full | 伪造推理记录是不同于事实投毒的写入攻击面 | 50-trial 自定义攻击；0% ASR 防御不等于开放环境稳健 |
|
||
|
||
## 全文池
|
||
|
||
本轮全文池共 32 篇：
|
||
|
||
`2501.13956`, `2502.12110`, `2505.16067`, `2507.02259`, `2507.05257`, `2507.07957`, `2511.20857`, `2512.18746`, `2601.01885`, `2602.16313`, `2602.19320`, `2603.02473`, `2603.07670`, `2603.15666`, `2605.05716`, `2605.08374`, `2605.10870`, `2605.14421`, `2605.18421`, `2606.04315`, `2606.06090`, `2606.10677`, `2606.11680`, `2606.15017`, `2606.25161`, `2606.27472`, `2606.29914`, `2606.31612`, `2607.01935`, `2607.02255`, `2607.02579`, `2607.05029`。
|
||
|
||
其中没有进入上表核心论证的 9 篇暂标为 `context`，不把“下载过 PDF”写成“已得到结论”。
|