新闻、仓库与研究，按时间排列。
研究提出 readout-canonicalized decision-space（RC-DS）坐标方法，去除奇异值增益同时保留决策信息，用于分析 readout scaling 对稀疏自编码器（SAE）特征恢复的影响。在受控坐标匹配实验中，当因子在 readout scaling 之前生成时，RC-DS 将平均稀疏因子恢复从 0.506 提升至 0.913（条件数 100）。在三个固定语言模型 checkpoint 的全部 18 个 task-sparsity 设置中，RC-DS 均获得更高的无增益重构，而 centered-logit SAE 在其中 17 个设置中更好地重构输出 logits。
多语言稠密检索器将所有语言放进一个共享向量空间，但同一问题用不同语言提问会检索出明显不同的文档；各语言单独排序表现一致，分歧仅在共享索引下出现，正确答案被同语言或英文的无关文档挤到靠后位置。研究提出 disagreement-guided steering 方法：对比各语言一致文档与该语言特有检索文档的表示差异，得到语言专属方向并在推理时加到对应语言查询上，相比 language-mean removal、subspace removal 和 per-language rotation 等基线最能减少同语言挤占，同时在 recall 上保持竞争力。
该研究提出一个人机协作的交通规划框架，将大语言模型、MCP 接口、开源规划引擎 AequilibraE 和可微分用户均衡（UE）分配层结合，通过直接微分 Beckmann 交通分配问题的 KKT 条件实现可微分 UE 层，使非专家用户能执行网络分析并进行优化。框架在行程时间函数标定和预算约束下网络设计两项任务中得到验证。
该研究将 Fisher information 作为区分泛化与记忆化的诊断工具，在 CIFAR-10 上训练视觉模型并加入只能通过记忆化学习的受控噪声，发现把模型权重投影到 top Fisher 特征向量上可解耦任务泛化与噪声样本记忆化，且该解耦在不同层表现不同。同类现象也出现在解决合成上下文学习任务的小型 transformer 中，并可在可解析求解的线性模型中闭式重现。论文共 20 页，已被 NeurIPS 2026 接收。
arXiv 论文 2610.15093 提出 loop engineering 概念，分析 600 条公开编码 Agent 轨迹后发现 98.6% 的输入 token 由前缀缓存提供，平价输入定价平均高估循环成本约 7 倍。轮次数量解释轨迹成本 84% 的方差，而平均观察大小只解释 4%；模型委派在一半评测设置中反而增加成本。作者发布 TurnCost 工具，用于在替换缓存、定价、压缩与路由策略下重算轨迹语料成本。
推荐理由：论文用 600 条轨迹数据指出轮次数量而非观察大小才是编码 Agent 成本主因，并开源了换算不同缓存与定价策略的 TurnCost 工具。
研究者提出 PAT 框架，用于提升社交媒体抑郁症自动检测效果。该框架分两阶段：先用经典人格理论驱动的 LLM 数据增强缓解数据稀缺，并以细粒度对比学习优化 post 级编码器；再将训练好的 post 级打分器用于高质量帖子筛选，编码器参数迁移至用户级任务。实验显示 PAT 显著优于现有方法，并能通过追踪 post 级心理状态轨迹提供多粒度可解释性。
arXiv 论文提出 FleetPilot，一种面向大语言模型个性化的细粒度、实例定制导向框架，从用户数据动态生成样本级干扰向量并注入模型前向传播。其包含 match contrast、细粒度导向组件与查询条件聚合模块，无需训练周期，存储与推理延迟开销低，在快变和数据稀疏场景中表现尤佳。
在 PersonaMem-v2（180 题）上，利用句子级检索按与当前请求的相关性筛选上下文，GPT-5.6-terra 和 Claude Opus 5.5 评为仅用 5% 文本即可达到全历史准确率，评审输入缩减约 20 倍。同等长度的 LLM 摘要表现相当，但需大模型读全史，而检索只需小型 embedding 模型；oracle 证据子集较全历史高出 15.6 分。
论文提出 TQG-Exp，一个以轨迹质量为导向的经验学习框架，通过引入 Trajectory Quality Loss（TQL）将任务完成度与过程质量共同作为学习信号，并利用成对 rollout 估计检索经验的贡献以优化经验效用与检索。在 ALFWorld、WebShop 和 ScienceWorld 三个基准上，TQG-Exp 的 Avg.@3 较最强基线在 DeepSeek-V4-Flash 与 Qwen3.5-Flash 上分别提升 4.50 和 8.55 个百分点。
研究者推出 PRISM，一种用于临床预后的检索增强多模态语言模型，结合逐特征数值 tokenization、近期加权的纵向 ECG 聚合和双模态人群记忆库，检索在表示空间进行，提示词不含个体记录。在 1,443 任务的 MDS-ED 基准上，PRISM 对恶化预测 AUROC 达 93.1%，ICU 入住 91.8%，死亡 92.8%，诊断 86.2%；消融显示用文本序列化替代数值 EHR 编码使 AUROC 下降 3.66 点。在外部 MC-MED 队列上，监督微调达到 0.8611 AUROC，高于本地训练的 gradient boosting 的 0.8227 和源模型 PRISM 的 0.7841。
研究者提出 RegulaTutor，一个基于自我调节学习（SRL）研究的长期个性化辅导框架，将历史证据、学习者解读与教学策略相连，并采用认知、情感、元认知和动机（CAMM）框架推导有证据支持的教学策略。该框架还包含 PairRoute 离线流程，可区分 harness、模型和混合故障并进行针对性改进。在所评测的模型配置上，RegulaTutor 平均提升了历史证据准确率、学习者诊断和评审的教学质量。
论文提出 T²Mem，一种将记忆构建推迟到推理阶段的测试时记忆构建框架，离线只提取轻量级片段元数据作为检索线索，并在推理时随推理进程自适应组织查询相关记忆。在 LoCoMo 和 LongMemEval 上，T²Mem 跨多个骨干 LLM 持续优于强基线，同时大幅降低记忆构建开销。代码已开源。
推荐理由：论文把记忆构建推迟到推理阶段，在 LoCoMo 和 LongMemEval 上的对比数据可帮助读者评估这一思路的收益与开销。
研究者提出检索前索引建模增强框架 PRIME，针对现有 IR 研究偏重查询侧优化、索引侧被忽视的问题，包含 LLM 驱动的语义重构（SR）与确定性的元数据合成（MS）加分层检索（HR）两条路线。确定性元数据在匹配结构感知分块检索质量的同时，将 embedding 计算减少 45.8 倍、索引向量数量减少 22.4 倍；SR 在完整部署下进一步提升 Answer-F1 达 13.7%。在 QASPER、BRIGHT、NFCorpus 上的评测显示索引侧优化可能增益或损害检索，且这些效应在强 reranker 下被中和。
Han Luo 在 arXiv 发表论文，提出用同一嵌入模型已计算的上下文 token 表示做稀疏匹配来检索记忆，无需额外训练即可在八个基准上提升检索效果。可选的低秩查询适配器在 Qwen3-Embedding-4B 上将平均 Recall@10 和 NDCG@10 分别再提升 13.3 和 14.3 个百分点，检索增益转化为长期记忆基准上更高的问答准确率。
推荐理由：论文给出无需重训即可提升记忆检索的 token 级匹配方法，并附八个基准的量化收益，可作长期记忆方案的参考。
研究者提出免训练的智能体内记忆修复框架 DREAM，通过扰动诱导隐式重激活、多维激活模式异常诊断和动态记忆修复三阶段流程，对被投毒记忆实现选择性功能遗忘。实验显示，DREAM 将后门投毒的攻击成功率降低超 95%，相比 A-MemGuard 实现最高 2.13× 加速和 37.7% 的 token 消耗降低，并在被投毒的多智能体系统上达到 92.96% 的任务成功率。
一项 arXiv 研究基于 Reservoir Computing 与 Generalized Reservoir Computing 理论，用冻结循环网络加可训练非线性输出模块求解 POMDP。结果显示，冻结循环网络可支持数百步的记忆回溯，在多样任务中取得有竞争力的控制性能，可训练参数不到完全可训练对应架构的一半。这表明学习循环记忆模块并非总是必要，冻结循环网络是部分可观测 RL 简单且参数高效的强基线。
DP-MIND 是一个记忆引导框架，将差分隐私（DP）推理扩展到百万 token 级长上下文。该方法对输入进行本地扰动后逐块处理，用紧凑记忆跨序列保留任务相关信息，并通过强化学习在扰动输入上直接优化记忆构建策略，还借助本地去噪模块恢复被噪声破坏的答案片段而不暴露原始上下文。在多个长上下文 benchmark 上，DP-MIND 在可扩展性和效用上均优于现有 DP 及长上下文推理基线。
研究者推出 KV-Repurpose，一个基于 vLLM 的开源系统，用于开发和评估超越精确前缀的分段式 KV-cache 复用。在 20% 请求共享固定前缀的 Zipfian RAG 负载下、同样 30 GB 缓存容量时，其 token 级缓存命中率达 63.9%，远高于前缀缓存的 3.3%，并降低 TTFT；前缀缓存即便 1 TB 容量也仅达 17.9%。实验显示朴素分段复用在单文档问答与摘要上基本保持输出质量，但在跨文档推理上存在明显局限。源码以 Apache-2.0 许可开源。
prompts.chat 新增一条名为 AI Memory Export 的 prompt，用于让 AI 导出其存储的记忆和历史对话上下文。该 prompt 要求按 Instructions、Identity、Career、Projects、Preferences 五类输出，尽量逐字保留原话，以 [YYYY-MM-DD] 格式按时间排序，整体封装在单个代码块中便于复制。该条目由 DLN-India 提交，类型为 TEXT。
Yi Wen 等人在 arXiv:2610.11573 提出 TriMEM 记忆多分类数据集和 MemoType 框架，用路由模型自适应识别记忆与查询类型并采用相应检索策略。论文还证明单一检索策略在多类语料上存在预期检索精度的根本上界，三个数据集实验中 Recall@1 最高提升 16.18%，论文被 NeurIPS 2026 接收。
推荐理由：论文指出统一检索策略在多类记忆上有精度上界，并给出分类数据集与路由式检索方法，可迁移到 Agent 长期记忆设计。
研究团队提出 CogMem，一种基于 PEC²F（Person-Event-Concept-Claim-Fact）图模式的认知记忆架构，用 Claim 节点保留主观陈述的来源与对象，并将对话轮次增量转为带溯源的图记录。检索由基于规则的控制器结合 LLM 意图解析，组合锚定、遍历、交集、证据落地四个确定性图算子来重建查询相关上下文，在 LoCoMo 与 LongMemEval 上表现突出，尤其是多跳、时序与知识更新任务。论文被 EMNLP 2026 主会接收，代码已开源。
推荐理由：论文用 PEC²F 图结构区分主观信念与事实记录，在 LoCoMo 和 LongMemEval 上给出多跳与时序任务的实测表现。
论文提出 MARI（Memory-Augmented Recommendation with Interpretability），通过决策记忆库（DMB）以结构化决策记忆（SDM）记录用户的目标、约束与权衡，经 Post-Hoc Decision Distillation 从异构行为离线生成，检索后增强 LLM 推理。实验显示 MARI 在标准 next-item prediction 和新提出的 Difficult Choice Prediction 任务上显著超越 SOTA 基线，且因记忆构建与在线推理解耦而延迟开销低。
一篇 arXiv 论文以 Personal Fact Memory（PFM）为参考层，直接测量语言智能体记忆在生成前的失效：在受控修订基准上，只服务正确键控槽位的活跃值可消除陈旧暴露，而不做更新解析时 70.3% 的提示词暴露被取代值；参与者感知的 BM25 与参考排序器差距在 0.02 边际内等价。研究还发现四个 LLM 键分配器虽召回率高于规则抽取器却产生更低干净检索率，LongMemEval 上开放域合并召回率不超过 0.062，实体后验无法区分 LoCoMo 中同名发言者；作者主张应在生成前评估智能体记忆。
研究者提出 Ledger，一种基于第一视角视频的持久化 3D 物体记忆，结合物体位置、历史与上下文描述，可在物体离开视野后保留记录并支持空间问答，无需访问原始视频。该方法将 HD-EPIC 准确率从 29.7% 提升至 42.6%，UCS-Bench 从 33.8% 提升至 38.5%，并在 Ego4D 上实现 0.99 m 中位定位误差。
Peter Baile Chen 等在 arXiv 发布 ExperienceIndex，为 AI 智能体引入基于语料（artifact）的经验记忆层，存储单个语料经验与语料对关系两类信息，以轻量中间件形式帮助智能体定位新任务的全部相关语料。在多种语料和搜索框架下，答案质量最多提升 11.0 分、在线成本最多降低 50.5%；并展示了 text-to-SQL 经验向事实问答的跨任务迁移，以及强模型经验帮助弱模型达到相近表现。论文链接 https://arxiv.org/abs/2610.10091v1
Hongru Cai 等人提出 EngramEdit，通过条件记忆架构（如 DeepSeek Engram）实现解耦的 LLM 事实知识更新，保持 Transformer 主干固定。方法先计算使模型在多种表达下都能预测更新事实的目标记忆表示，再联合更新共享 n-gram 嵌入，并对频繁复用的嵌入施加更强惩罚以保护无关知识。实验显示编辑成功率接近完美，更新后的知识可用于未见表达和多跳推理，CoT 提示下准确率接近最强基线的三倍，且无关知识与通用能力在事实更新累积时基本保持不变。论文地址 https://arxiv.org/abs/2610.10533v1
推荐理由：论文给出了一种在固定 Transformer 主干上编辑条件记忆事实知识的方法，CoT 场景准确率约为最强基线的三倍。
Masaaki Nakatsu 在 arXiv:2610.09772 提出 Decoupling Architecture（AO-DA），在单个 INT4 基座模型上用热插拔 LoRA 将逻辑推理（What）与人设表达（How）分成两条推理路径，逻辑路径只接收核心回合并输出可验证的 Micro-State。
推荐理由：论文用 480 次同模型消融给出分离架构抗上下文污染的量化证据，并诚实地指出 4B 模型上分离同样失效。
MIRROR 是一个自蒸馏框架，通过 reference-revealed on-policy self-distillation 将 LLM 个性化从模仿参考文本转向内化用户偏好，并配套 MIRROR-F 插件对信息量高的 reference token 做选择性监督。在三个个性化生成基准、两种模型规模及基于参考和 LLM 的评测中，MIRROR 与 MIRROR-F 取得领先的个性化表现与文本质量，且在三个未见任务上的灾难性遗忘少于 SFT 基线。
Michael Andreev 在 arXiv 发布论文（arXiv:2610.08300，已被 NeurIPS 2026 PALM Workshop 接收），用 EverMemBench 受控评估对话长期记忆中结构深度与上下文宽度两个参数的作用。结果显示上下文从 1K 扩到 4K 可让 Accuracy 提升 10.11-17.98 个百分点，而加深记忆层次无单调收益；超过 8-16K 后 Production 条件性能进入平台期但每个正确答案的 token 开销持续上升，Oracle 条件在 68-71K token 完整档案上保持质量。
推荐理由：论文用受控实验比较记忆结构的深度与上下文宽度，给出了随宽度变化的量化收益和平台期数据，方法可复用于长期记忆系统评估。
这是一篇关于 LLM 参数内记忆增强的综述，提出用模型参数、adapter 等参数化对象承载可复用记忆，在推理时接入前向计算，以补充 ICL 占用上下文、产生随长度增长编码开销的不足。该工作沿 Parameter Placement（Embedding、Attention、FFN、Hybrid）与 Parameter Acquisition Time（在线/离线）两个正交轴梳理方法，并讨论干扰、安全、与 ICL 协同及递归自我改进等开放方向。
arXiv:2610.08718 研究微调中语言模型的伪遗忘（spurious forgetting），发现被遗忘的旧知识往往仍存储在模型中且可恢复。作者用最小联想记忆模型复现遗忘动态，指出其依赖共享结构的键、集中新值和网络归一化三个要素：微调使旧表示沿共同方向整体移动，暂时隐藏旧事实但保留其相对几何；新数据只把旧记忆一起移动时遗忘可逆，逐事实改变累积时才造成永久侵蚀。实验显示减去共同位移可消除 Transformer 的崩溃，从权重更新中移除单一方向可在预训练语言模型中恢复旧事实。
推荐理由：论文把微调遗忘拆成可逆的共同位移和不可逆的个体侵蚀两部分，并给出恢复旧知识的干预方法。
Sujato Dutta 在 arXiv 发布 MINDSET，一种将对话存为不可变 episode 并通过最小能量状态迁移组织成版本化 schema 的记忆控制器。在 850 题（700 LoCoMo + 150 MemoryAgentBench）上对比 5 个记忆系统，取得最高 LoCoMo F1，检索指标显著优于第二名 LightMem（Holm 校正后 p<0.01）；消融显示受控碎片化与 schema 感知分配贡献最大，700 题跨模型评测（GLM-4.7、Gemma-4-31B）支持模型无关性。
推荐理由：论文将长期对话记忆建模为受约束的状态管理，给出了与5个记忆系统的对比数据和消融结果，可迁移到记忆系统设计。
开源项目 nanoMuse 以 GPL-3.0 协议发布，定位为 Meta 闭源个人智能体 Muse 的开源对应物，可在用户的每台设备上运行，操作手机与电脑屏幕。所有设备通过可自建的 relay 共享同一段对话，每个动作经过 Sentinel 审查，记忆以用户可读的文件保存，模型可自选。论文还定义了个人智能体的五个问题与三个视界，并将带来源的记忆、操作评测套件与配套开源模型列为路线图。
研究者提出 Continuous Memory Machine（CMM），一种基于 Continuous Thought Machine（CTM）的循环架构，用矩阵值短期与长期记忆状态分别承担计算与保留功能，并由 Transformer 统一执行双向读写更新。在算法、上下文学习和循环推理任务上，CMM 超越多种基线，泛化能力强于既有记忆增强网络，同时保留 CTM 可解释的注意力模式。代码已开源。
arXiv 论文 2610.07984 提出 PixelTriage，一个放在检索之后的即插即用小模型，根据对话、简短笔记和缩略图预测每条检索记忆的像素能给答题模型带来多少增益，无需读取全分辨率图像。它用冻结 27B 模型对比有无像素的合成记忆数据进行训练。在 7B 答题模型上，PixelTriage 处于 M^3Exam、DMV 和 MemEye 的精度-成本前沿，仅用 11 到 23% 的视觉 token 而精度无明显下降，在 DMV 上比打开全部图像快 2.9 倍，同预算下优于按检索顺序和统一降采样，并可迁移到其他记忆系统和 397B 答题模型。
Jike Zhong 等发布 DSV-Mem 基准，用于评测多模态大模型 Agent 在专业工作流中的稠密有状态视觉记忆，含 1,000 道题和五类问题，覆盖 27 种模型与记忆管理配置。最强基线得分低于 45%，分析显示状态演进尤其是主导更新次数是主要难点，而对话长度、OCR 和算术并非瓶颈，状态感知设计比增加推理量更有效。基准与代码将公开，论文链接 https://arxiv.org/abs/2610.08102v1。
推荐理由：论文分析了 27 种配置下的失败模式，指出状态更新追踪而非对话长度才是主要瓶颈，对记忆系统设计有参考价值。
arXiv 论文 2610.07782 实测三层 Agent 架构中的 KV cache 分解与持久记忆层：分解使单次查询峰值 KV 工作集降至 14.3 MiB，低于单遍（35.5 MiB）和检索增强（35.3 MiB）基线。持久记忆层在八组受控数据对、每组 n=100 的实验中增加 +0.368 MiB 峰值缓存，却无可检测的准确率变化（+0.015，95% CI [-0.011, +0.046]）；作者认为空结果是结构性的，因单问题基准让各条目自带证据且独立评分，并给出 Agent 记忆消融须满足的条件与检测方法。论文被 NeurIPS 2026 Machine Learning for Systems Workshop 接收为 poster。
VideoTapestry 是一个免训练的多智能体框架，通过粗到细的查询驱动精炼来适配预构建的三层分层视频记忆，各层由专门智能体负责检索与观察。相比直接 GPT-5.5 推理，该方法在 LVBench、LongVideoBench (Long)、Video-MME (Long) 和 EgoSchema 上分别取得 17.2%、14.9%、9.8% 和 7.0% 的绝对准确率提升，达到 SOTA。
研究者提出 Bayesian Cheatsheet，一种在行为嵌入上构建 HDP-GMM 的结构化记忆模块，可在在线测试时训练（TTT）中低成本更新混合统计量并自动创建新组件。该模块通过一步 collapsed Gibbs 采样实现行为的自适应重组，在 AIME'25、Omni-MATH 和 PhysReason 等推理基准上优于现有记忆模块，冷启动设置下同样有效。
arXiv 论文（https://arxiv.org/abs/2610.06750v1）发现循环-注意力混合语言模型虽同时具备注意力与循环两条记忆通路，但实际明显更依赖注意力而非循环状态，标准监督微调也无法改善这种失衡。