北郵百家 MemoryOS 團(tuán)隊帶你深度梳理AI記憶2026最新綜述！

2026北郵百家MemoryOS團(tuán)隊聯(lián)合華為，發(fā)表最新 AI 記憶綜述《 Survey on AI Memory 》，涵蓋記憶的理論基礎(chǔ)、 4W 記憶分類體系、單智能體 - 多智能體記憶架構(gòu)，記憶評估方法與前沿趨勢，梳理了 一份詳盡的 AI 記憶全景圖。

· Githhub論文地址：https://github.com/BAI-LAB/Survey-on-AI-Memory

· 項目地址：https://baijia.online/homepage/memory_survey.html

綜述特色：

?全景視野：涵蓋理論基礎(chǔ)、分類體系、單/多智能體架構(gòu)、評估基準(zhǔn)與應(yīng)用。

? 獨創(chuàng)4W分類法：When-What-HoW-Which記憶分類體系。

?前沿趨勢：梳理單智能體獨立記憶向多智能體協(xié)同記憶的演化路徑。

?深度展望：深度剖析從“被動檢索”到“主動進(jìn)化”的未來方向。

01
第一章：綜述概覽AI Memory的演進(jìn)全景

核心摘要：人工智能記憶（AI Memory）是通用人工智能（AGI）實現(xiàn)與真實世界深度、高效交互的不可或缺的關(guān)鍵環(huán)節(jié)。它從根本上打破了傳統(tǒng)人工智能任務(wù)孤立運(yùn)行、交互過程碎片化的技術(shù)桎梏，讓智能體具備從歷史交互中積累經(jīng)驗、優(yōu)化后續(xù)決策的進(jìn)階能力。

圖表解讀

?理論基礎(chǔ) (Sec 2)：整合認(rèn)知心理學(xué)與神經(jīng)科學(xué)模型，提煉 AI 智能體記憶的可落地設(shè)計模式，明確AI 領(lǐng)域中“記憶” 的概念邊界。

?分類體系 (Sec 3)：提出獨創(chuàng)4W 記憶分類法（When-What-How-Which），對記憶機(jī)制進(jìn)行系統(tǒng)性分類梳理。

?架構(gòu)概覽 (Sec 4-5)：分別綜述單智能體與多智能體系統(tǒng)的典型記憶架構(gòu)、關(guān)鍵技術(shù)組件，涵蓋核心操作、進(jìn)階能力及實際應(yīng)用局限。

?評估與應(yīng)用 (Sec 6-7)：Sec 6 梳理 AI 記憶的評估維度、性能指標(biāo)、代表性基準(zhǔn)及評估范式與難點；Sec 7 分析真實世界應(yīng)用，凸顯 AI 記憶對提升多領(lǐng)域智能體性能的核心賦能作用。

?未來展望(Sec 8)：探討AI 記憶領(lǐng)域的開放挑戰(zhàn)與前沿研究趨勢，為后續(xù)研究指明方向。

02
第二章：理論基石從認(rèn)知科學(xué)到計算框架

核心摘要：本章通過連接生物學(xué)原理、認(rèn)知心理學(xué)和神經(jīng)科學(xué)，為記憶增強(qiáng)型智能體建立了概念基石。通過分析跨學(xué)科基礎(chǔ)（如 Atkinson–Shiffrin 模型、工作記憶模型），我們對 AI 記憶的邊界進(jìn)行定義，區(qū)分了Memory(記憶) vs. Knowledge（知識）vs. Context（上下文）vs. Experience（經(jīng)驗）。

圖表解讀

? LLM Memory：指模型權(quán)重中的隱式計算核心，用于預(yù)測 。

? Agent Memory：提供功能性工作流，支持感知 - 規(guī)劃 - 行動循環(huán)中的復(fù)雜任務(wù)執(zhí)行 。

? AI Memory：代表宏觀的認(rèn)知概念，旨在實現(xiàn)終身進(jìn)化、長期持久性和適應(yīng)性 。

03
第三章：形態(tài)篇記憶到底“長”什么樣？（4W記憶分類法）

核心摘要：為了系統(tǒng)化理解龐雜的記憶機(jī)制，我們建立了一套 4W Memory Taxonomy。該體系通過四個核心疑問詞（When, What, HoW, Which），從四維正交坐標(biāo)對 AI 記憶系統(tǒng)進(jìn)行了系統(tǒng)性分類。

圖3: Classification framework for agent memory mechanisms

圖表解讀

?When (Lifecycle)：記憶存在多久？從瞬時輸入緩沖區(qū)到跨會話的持久存儲 。

?What (Type)：記憶包含什么信息？涵蓋程序性技能、陳述性事實、元認(rèn)知反思和社會模型 。

?HoW(Storage)： 記憶如何存儲？從模型權(quán)重的隱式存儲到文本、向量、圖等顯式外部表示 。

?Which (Modality)：處理何種模態(tài)？分為單模態(tài)（純文本）和多模態(tài)（圖文、音視頻融合） 。

04
第四章：單智能體記憶架構(gòu)

核心摘要本章聚焦單智能體記憶系統(tǒng)架構(gòu)，探討記憶如何組織（架構(gòu)）、如何運(yùn)作（基礎(chǔ)功能）以及如何支持推理（高級能力）。單智能體記憶主流架構(gòu)包括層級式、類 OS 式、認(rèn)知進(jìn)化式等。核心在于實現(xiàn)存儲、檢索與更新，并進(jìn)一步支持智能體的自我進(jìn)化。

圖表解讀

?架構(gòu)范式：層級架構(gòu)、類操作系統(tǒng)架構(gòu)、認(rèn)知進(jìn)化架構(gòu)、圖 / 時序架構(gòu) 。

?基礎(chǔ)功能：包括存儲（ Storage ）、檢索（ Retrieval ）和更新（ Updating ）：增量式更新、修正性更新、鞏固性更新與遺忘性更新。

?高級能力：不僅是被動回憶，還包括自我進(jìn)化（ Self-evolution ）和多模態(tài)關(guān)聯(lián)（Association），實現(xiàn)從被動檢索到主動智能增強(qiáng)的轉(zhuǎn)變。

05
第五章：群體協(xié)作多智能體系統(tǒng)的記憶共享

核心摘要：在多智能體系統(tǒng)（MAS）中，記憶機(jī)制旨在突破智能體記憶孤島，實現(xiàn)群體智慧。分別從通信機(jī)制（顯式 vs 隱式）和記憶共享機(jī)制（任務(wù)級 vs 步驟級）兩個維度，介紹多智能體協(xié)作中的信息交互和孤島問題。

圖表解讀

?通信機(jī)制(Communication)：

• 顯式通信(Explicit)：以自然語言、結(jié)構(gòu)化 Schema 為代表的顯式通信，可保障交互的可解釋性。
• 隱式通信 (Implicit)：通過觀察共享環(huán)境或內(nèi)部狀態(tài)的共享表征，依靠程序內(nèi)部處理即可實現(xiàn)高速協(xié)同。

?記憶共享 (Memory Sharing)：

• 任務(wù)級(Task-Level)：整合多智能體不同任務(wù)執(zhí)行經(jīng)驗以實現(xiàn)長期能力進(jìn)化，其核心包含同質(zhì)任務(wù)經(jīng)驗積累與異質(zhì)任務(wù)信息遷移兩種模式。
• 步驟級 (Step-Level)：多智能體協(xié)作流程細(xì)粒度執(zhí)行階段，通過上下文路由動態(tài)分配關(guān)鍵信息切片。

06
第六章：評估維度如何衡量記憶的效能？

核心摘要：當(dāng)前記憶領(lǐng)域缺乏統(tǒng)一的評估標(biāo)準(zhǔn)和框架。本章提出了一個包含四大核心類別的評估分類法，并梳理了代表性的 Benchmark，旨在為記憶系統(tǒng)的性能量化提供標(biāo)準(zhǔn)化工具。

圖表解讀

?記憶檢索能力 (Memory Retrieval Capability)：評估能否準(zhǔn)確找到所需信息。

?動態(tài)更新能力 (Dynamic Updating Capability)：評估記憶庫隨新信息變化的適應(yīng)性。

?高級認(rèn)知能力 (Advanced Cognitive Capability)：評估基于記憶的推理與規(guī)劃能力。

?系統(tǒng)效率(System Efficiency)：評估記憶操作的資源消耗與響應(yīng)速度。

07
第七章：應(yīng)用實戰(zhàn)記憶賦能的場景范式

核心摘要：記憶機(jī)制是增強(qiáng) AI 性能的核心推動力。應(yīng)用場景主要分為兩類：單智能體應(yīng)用（側(cè)重長期上下文保持、用戶偏好記憶和個性化）與多智能體應(yīng)用（側(cè)重共享記憶空間、協(xié)同任務(wù)執(zhí)行與集體推理）。

圖表解讀

?單智能體場景：允許個體在跨會話或長期交互中積累經(jīng)驗，實現(xiàn)超越固定上下文窗口的連續(xù)性與個性化服務(wù)。

?多智能體場景：通過公共記憶空間支持協(xié)作，解決并發(fā)、溯源和訪問控制等挑戰(zhàn)，實現(xiàn)群體智慧。

08

第八章：未來展望 通往終身進(jìn)化的智能之路

核心摘要：記憶機(jī)制是將靜態(tài)大語言模型（LLMs）轉(zhuǎn)化為具備持續(xù)學(xué)習(xí)能力的動態(tài)智能體的核心支撐，但當(dāng)前發(fā)展仍面臨架構(gòu)沖突、理論方法缺口、安全與運(yùn)維復(fù)雜性三大類關(guān)鍵挑戰(zhàn)；未來，AI 記憶系統(tǒng)將突破被動存儲與檢索的局限，朝著類腦啟發(fā)建模、記憶-經(jīng)驗升級、自進(jìn)化集體記憶三大方向演進(jìn)，最終構(gòu)建支持終身自主學(xué)習(xí)與穩(wěn)健多智能體協(xié)作的主動自適應(yīng)系統(tǒng)。

當(dāng)前挑戰(zhàn)

?架構(gòu)沖突與系統(tǒng)局限：LLMs 有限上下文窗口難以承載長期經(jīng)驗存儲，參數(shù)化記憶更新易引發(fā)災(zāi)難性遺忘，多模態(tài)異構(gòu)信息的統(tǒng)一表征整合存在技術(shù)瓶頸。

?理論與方法缺口：對記憶的維度認(rèn)知不完整（偏重時間維度，忽視對象與存儲形式），缺乏評估記憶泛化性、魯棒性等高階屬性的系統(tǒng)標(biāo)準(zhǔn)，多智能體記憶共享的理論框架與關(guān)鍵機(jī)制尚未成熟。

?安全風(fēng)險與運(yùn)維復(fù)雜性：個人智能體存在用戶隱私泄露與敏感信息推理風(fēng)險，多智能體協(xié)作場景下靜態(tài)權(quán)限設(shè)計難以適配復(fù)雜環(huán)境，易引發(fā)效率瓶頸與數(shù)據(jù)不一致問題。

未來趨勢

?類腦啟發(fā)記憶建模：借鑒生物互補(bǔ)學(xué)習(xí)系統(tǒng)（CLS）理論，實現(xiàn)快速經(jīng)驗獲取與漸進(jìn)式整合的分離，構(gòu)建統(tǒng)一多模態(tài)記憶表征，解決穩(wěn)定性- 可塑性權(quán)衡難題。

?從AI 記憶到AI 經(jīng)驗升級：將無結(jié)構(gòu)日志轉(zhuǎn)化為含時序與因果關(guān)聯(lián)的結(jié)構(gòu)化記憶，推動檢索策略向目標(biāo)感知型進(jìn)化，依托經(jīng)驗驅(qū)動推理與規(guī)劃，形成“記憶- 執(zhí)行- 優(yōu)化” 的閉環(huán)自進(jìn)化機(jī)制。

?自進(jìn)化集體記憶：建立上下文感知的動態(tài)權(quán)限訪問控制與隱私保護(hù)機(jī)制，通過自動去重、聚類及共識協(xié)議實現(xiàn)集體記憶的自組織優(yōu)化，保障多智能體協(xié)作的安全性與穩(wěn)健性。

展望未來，AI 記憶的發(fā)展是邁向通用人工智能（AGI）的關(guān)鍵一步，其核心研究方向?qū)⒕劢诡惸X記憶鞏固機(jī)制與隱私保護(hù)集體記憶協(xié)議；成熟的 AI 記憶系統(tǒng)將推動智能體從靜態(tài)工具升級為自適應(yīng)的終身協(xié)作伙伴，開啟人機(jī)認(rèn)知共生進(jìn)化的全新階段。

未經(jīng)「AI科技評論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標(biāo)注來源并插入本公眾號名片。