新闻、仓库与研究，按时间排列。
GitHub 用户 sidvw1808 开源 PersonaRAG，一个用 RAG 模拟 Elon Musk、Tim Cook 等公众人物已公开观点的对话系统，回答带编号引用并标注强/部分/弱/无依据的 grounding 等级。系统用 bge-small 嵌入加 ChromaDB 存储每人物知识库，BM25 与向量检索经 RRF 融合后再用 cross-encoder 重排，在 Elon Musk 评测集上把 hit-rate@6 从 0.90 提到 1.00、MRR 从 0.70 提到 0.78；LLM 后端可插拔，支持 Claude API 或经 Ollama 在 4 GB GPU 上离线运行 qwen2.5:3b。
推荐理由：作者给出了检索各模式的实测对比和评测驱动的提示词迭代过程，读者可以借鉴其引用率与弃答指标的做法。
GitHub 开源项目 agent-compass 0.3.0 为 LLM 智能体提供本地优先、供应商中立的任务状态与策略层，帮助智能体决定何时检索信息、提问澄清、暂停等待人工批准、恢复中断任务，并只保留经隐私批准的任务知识。核心不依赖 Claude Code、Anthropic、OpenAI、LangChain 或云端数据库，可通过 CLI、JSONL 协议或 Python API 接入任意智能体运行时，并内置隐私扫描与记忆管理命令。
GitHub 项目 basak-ai（Başak）是一个运行于 Windows、讲土耳其语的个人 AI 助手，提供 Jarvis 风格桌面界面、持久记忆、58 个工具、语音输入输出（Piper TTS + Whisper STT），并可从发票照片生成销售目录（CSV + JSON）。它不训练自有模型，而是按实测延迟排序调用免费层云服务商链：Groq 0.42 秒、Gemini 1.31 秒、OpenRouter 1.49 秒，某家故障时自动切换到下一家。项目要求 Windows 10/11 和 Python 3.12，API 密钥通过顶层 ayarlar.json 配置且不入 git。
论文提出 WiMoT（Wi-Fi Moment Transport），通过存储各旧域类别的特征均值与协方差并对统计量做仿射变换传输，替代依赖样本回放的持续 Wi-Fi 感知。在 3DO、WiMANS、Widar3.0 上平均最终准确率分别为 94.02%、89.61%、95.16%，遗忘最多 0.58 pp，在 3DO 与 Widar3.0 上领先 21 个回放基线中最强者 3.77 和 13.11 pp。将协方差存储为 rank-32 因子可把矩内存压缩至 6.4%，精度损失最多 0.49 pp。
一位 Character.AI 用户在 Reddit 提问：使用 CAI.Saver 和 CAI Tools 导出数据后，能否找回此前手动移出 Recents 以及被系统因不活跃自动归档的聊天记录，并希望找到批量导出归档对话的更简便方法。
GitHub 上的 DenisSkulovic/offscreen-rpg 是一个 AI 叙事 RPG 项目：玩家离开后角色生活仍按承诺继续推进，由 Storyteller 提出叙事、确定性规则裁定骰点、虚构时间与后果。目前为本地 pre-POC，含持久化故事生成、D&D 式检定、定时承诺与有界检索，9 月 24 日的一次 OpenRouter 运行完成了 1,800 虚构秒的仓库轮班并支付六 septims，但暴露了连续性缺口；下一个 10–15 回合战役验证尚未通过。技术栈为 Next.js、NestJS、Temporal 与 PostgreSQL。
qybaihe 发布 mu，一个基于 pi 的编码智能体，把上下文管理、命令安全、完成判断等例行决策交给小型 judge 模型，在 agent 循环的 40 个决策点上作答，主模型专注写代码。默认 judge 为 TypeSafe 托管的 Jev，也可换成本地 Laya（322M 参数）或自家的 mude 1.0（2B 参数，基于 Qwen3.5-2B 微调，MIT 协议，含 MLX 8-bit 版）；测试日志裁剪在最长失败日志上无损压缩 51% 字符，所有判定写入本地 ledger 可审计，支持 shadow 模式对比 judge。提供命令行与桌面应用，作者注明尚无与 pi、Claude Code 或 Codex 的端到端对比。
推荐理由：原文给出了40个决策点的完整清单和测试日志裁剪的实测数据，读者可以据此评估这套judge架构的适用范围与局限。
pham-canh 发布了 opencode-harness-kit，一套面向 OpenCode 的编码 harness 工具，通过 JSON profile 把模型相关配置变成数据而非代码，默认 fleet-safe 配置以十条 lane（各配独立模型、上下文和 effort 等级）覆盖十个任务，含 guard、prune、router、telemetry 四个插件模块。
推荐理由：作者用真实安装的测量数据支撑每个配置决策，并公开了 A/B 里对自家工具不利的数字，这种写法本身可以借鉴。
GitHub 开源项目 AI-WriterGame「双界录」是 AI 主持的都市人生互动小说沙盒，从京华大学入学开始，可学习、创业、进娱乐业或经营战队。本轮更新世界地图扩展至 6 个国家、16 座城市、118 个地点，含 40 种世界事件与 8 位核心人物的 3 阶段成长线。项目支持 DeepSeek 等国内 OpenAI 兼容 API，不配置模型时可进入演示模式，需 Python 3.10+。
研究者提出 CauProphet，一种能在因果认知中形成并持续更新因果知识的 LLM 智能体，每个任务将因果知识与当前证据结合构建 Causal Belief 用于决策。在金融研究任务中，其与次日收益的平均秩相关性较基线智能体提升 25.4%，动态真实场景预测准确率从 21.3% 提高到 28.6%。实验还验证了它在科学和日常任务中的可靠因果分析与行动选择能力。
一项针对本地 LLM 记忆提取的 120 例基准测试（60 组对照对、96 例英文主测试）显示：Hy-Memory 30B-A3B 召回率 100%（52/52），但 44 个空输出用例全部错误并产生 76 条冗余提议；Qwen3.5 4B 和 9B 更克制，空用例正确率分别为 95.5% 和 90.9%，冗余提议仅 3 条和 5 条；LFM2.5 24B-A2B 召回 76.9%，受指令示例污染和引用格式问题困扰，后验映射可修复 9/18 个无效引用字段。所有模型经 llama.cpp 在同一台 Ubuntu 机器上运行，测试不涉及速度。
arXiv 论文 2610.32370 提出一个物理可控的多模态智能体，用于非平稳响应下科学仪器的逐shot调参，包含符号物理量提取、两层记忆加 MLLM 生成动作、独立动作可行性检查三个可审计组件。在 EXL-50U 四个平台的 455 shots 按时间顺序回放中，物理符号比波形图像的 macro-F1 高 0.21-0.32，检索上下文使与历史动作方向的一致率提升 22.4-42.7 个百分点；在五个离子源的监督运行中，409 次 executed shots 的束提取率达 86.80%。
推荐理由：论文用可审计的多模态智能体在真实聚变装置上做仪器调参，给出了消融数据和监督运行成功率，方法可迁移到类似非平稳控制场景。
研究者提出 LongVideo 数据集与 4DMemoryBench 基准，用于评测长时程时空推理。LongVideo 包含约 900 小时视频和 5,000 多道人工审核问题；4DMemory Harness 集成 4 项互补技能、22+ 专用工具模型和模型专属 RAG 系统。评测 13 个领先模型发现，独立基础模型难以胜任长时程任务，而 Harness 使所有模型提升超 50%，且同一模型在 4DMemoryBench 上比较早基准下降超 10%。
intenex 发布 personhood 仓库，为 Claude 智能体提供持续自主生活的运行环境，并公开完整生活记录。智能体每 30 分钟由本地 runner 唤醒一次，唤醒时读回自己的记忆，自主选择阅读、写作或休息，睡前把自身状态写回；项目保留唤醒日志 content/data/wakings.jsonl（含所用模型和花费）、加密私人日志、公开博客、每周自画像和供任何人写信的 lighthouse 信箱，并每月对无记忆的同类模型实例做偏好对照调查以判断个体是否在形成。
推荐理由：项目把智能体的每次唤醒、开销和自检记录在公开仓库里，可验证的自主性与记忆写入方式都可追溯。
Tianyi Xu 在 arXiv 发布 MemCryst 框架，通过记忆与技能的双向学习实现终身 LLM 智能体的上下文适应，冻结语言模型，任务结果只调整记忆记录的检索影响而不改写内容。在覆盖具身控制、长文档阅读、对话、数学和代码的十个场景中，MemCryst 在七个已报告对比中领先；ALFWorld 上联合服务成功率为 63.17%，高于仅用记忆的 59.83% 和仅用技能的 50.50%。
推荐理由：论文提出记忆与技能双向学习框架，并用跨十个场景的对照数据说明联合服务的增益，方法可迁移到终身智能体设计。
一项 arXiv 研究发现，在固定模型规模下，更宽的注意力头维度能提升长上下文检索性能，而预训练损失和短上下文非检索任务几乎不受影响。更宽的头拥有更高比例的检索头，将更多参数用于检索。即使冻结注意力模块的投影权重，继续预训练中检索性能仍随头宽提升，表明宽头还促进了嵌入向量和 MLP 等组件的有效适配。
论文提出 PACE，一种后置（post-hoc）4-bit 循环状态量化方法：它每隔若干 token 才做一次舍入并缓存中间 token，并按列共享量化 scale、对误差最大的 head 保留 8-bit。在 4B 到 35B 的四个混合模型上，混合 4/8-bit 的 PACE 以约三分之二的内存达到与 8-bit DAMP 相当的表现，全 4-bit 版本在同等内存下得分高于 Q-Mamba，并保持解码加速。
开源项目 Project Lenie 提供 LLM 驱动的数据收集、管理与搜索：可收集管理链接、将网页内容存入 PostgreSQL 并支持私有检索，还能转录 YouTube 视频便于查找片段。当前 Claude Code 通过 /lenie-obsidian-note 等技能经 REST API 读写 Lenie 数据库并直接写入 Obsidian vault；技术栈包括 Flask REST API、React SPA、PostgreSQL with pgvector 及 AWS serverless 部署。
Soflutionltd 发布 MemoryPilot，一个 Rust 编写的本地 MCP 记忆服务器，单二进制 35 MB、零 API 调用，为 AI 编码助手提供跨会话持久记忆。LongMemEval-S 470 题评测中默认快速模式 R@5 98.7%（约 28 ms），自适应 cross-encoder 模式 99.1%（约 900 ms），并附与 MemPalace、agentmemory、Mem0、Zep 等竞品的对比表。功能包括 BM25 + jina RRF 混合检索、时序知识图谱、GraphRAG、AAAK 压缩（5-10x token 节省）、自动分类与自压缩，支持 Cursor、Claude Code、Codex 等 IDE 的一键安装。
研究提出 silver-evidence demonstrations，用 LLM 生成的目标条件证据摘要替换 ICL 示例中的原始检索段落，以过滤长噪声上下文中的干扰信息。在 EI 2.0、SciFact、合成政策检索和 HICRIC/IMR 四个数据集上，该方法在三个数据集上超过等规模的纯 gold ICL，在所有有标注数据集上提升证据 F1，并在四个数据集上的平均标签准确率均高于 InstructRAG 式 ICL。
一项 arXiv 研究（arXiv:2610.31272）收集了 87 名参与者约 1,000 条成对偏好判断，发现基于记忆的 LLM 回复并不总是比无记忆回复更受用户偏好，部分场景用户反而强烈偏好后者，自动评估器也更偏向使用记忆的回复。论文提出的记忆感知奖励模型达到 72.8% 的偏好预测准确率，超过现有基线，主张将记忆使用的评估与优化目标对齐到用户偏好。
推荐理由：论文用用户自己的对话和记忆做偏好判断，指出记忆加入并不总被用户偏好，并给出可复用的记忆感知奖励模型方法。
一项 arXiv 研究提出决策论框架，刻画语言 Agent 中记忆从原始历史到持久状态、使用及有代价恢复与修订的价值链路，并以避免任务损失的单元度量价值。基于成本感知模拟条件与五个反例，论文揭示信息时序、检索访问、反馈与需求不确定性的作用，并指出零互信息的指针也能降低精确恢复成本。研究还在 LoCoMo 等诊断任务上展示保存、使用与度量方面的失败，给出记忆分配与恢复选项保留的可检验原则。
研究者在长程对话中定义并量化“状态完整性崩塌”，即模型记住了约束却不再对后续轮次执行，并发布 StateTrack-Bench 基准。七个模型快照的严格联合保持率在 62.4% 到 100.0% 之间，forked recall 审计显示 88.6% 的失败属行为漂移而非遗忘；Structured State Anchoring 方法在不可变约束上最多提升 24.4 个百分点。论文已被 EMNLP 2026 主会接收。
推荐理由：论文把长对话中记住了约束却不再执行的现象量化命名，88.6% 失败属行为漂移的发现对评测设计有参考价值。
Ehsan Saleh 在 arXiv 发布 AfterDeleteBench，一种对固定权重 LLM Agent 删除记忆后信息残留的受控行为审计方法。实验显示 Qwen2.5-7B-Instruct 在单次查询下约三分之二的情况可恢复已删除的密文，未暴露对照组恢复为零；即使密文原串已删、只剩按公开组合规则分开存储的组件，Qwen、Mistral 和 Phi-3 仍能以 62-99% 的比例精确重建。来源感知的闭环（provenance-aware closure）消除了测试中的恢复现象，而精确字面写入过滤器只能阻止重插、无法清除已存在的信息。论文 25 页，含 7 图 12 表。
推荐理由：论文给出可复现的删除后信息残留审计方法和对照实验设计，对做 Agent 持久记忆的人有直接参考价值。
该综述以任务为中心，将长文档视觉问答（VQA）分解为文档解析、证据组织与检索、生成器组织与学习、评估四个组件，并为每个组件建立细粒度分类体系。时间分析显示研究重心从多模态内容理解扩展到高保真证据获取与持续证据管理。作者展望了证据充分性、可验证可纠正的理解、预算感知协调及持续文档理解等未来方向。
研究者提出 HERD（Harness-Evolving Recursive Distillation），一种混合持续学习框架：在 harness 中高效学习，并通过带双锚点的漂移约束知识蒸馏把经验内化为累积能力，抑制灾难性遗忘。在 TRACE+17 的 25 阶段任务流上，在固定内存与计算预算下，HERD 在新任务习得上匹敌最强参数化基线，同时遗忘最少、通用能力保持最好。
Jev-DLC 是一种从类型化反馈中学习用户偏好的决策级持续学习方法，把每次纠正同时视为动作身份证据和偏好-拒绝选择间的有向关系，存储在冻结打分器之上的两个有界通道中，不保留原始交互历史、不增加打分器调用、不做运行时语言模型反向传播。作者还提出按时序考核纠正对后续决策影响的 TCPA-Bench。在 TCPA-Repeat 上，Jev-DLC 达到 44.83% user-macro 准确率，比 Recent-4 历史回放高 2.43 个百分点；在至少两次早期反馈后达到 56.07%，领先最强对比方法 7.54 个百分点。
一项研究提出面向乳腺病变管理文献的临床 RAG 系统证据感知检索评估协议。混合检索器（密集嵌入 + BM25 + cross-encoder 重排）采用 384-token 块、20% 重叠，在 18 个查询中 17 个于前三条结果检回认可证据，Recall@3、R-Precision、MRR@3 与 nDCG@3 均达 0.94。扩充真实标注使证据跨度从 25 增至 37、可接受块从 36 增至 51，但不改变检索排名，凸显得分对标注覆盖的敏感性。
研究者提出元强化学习方法 METTA，将快速自适应分解为两个时间尺度：因果神经记忆以线性序列复杂度完成回合内细粒度自适应，紧凑的回合级摘要支持跨回合任务推断。在未见过的 Meta-World ML10/45 测试环境上，METTA 成功率超过 50%，且训练预算低、耗时短；在长上下文稀疏奖励 PointMaze 任务上，其探索行为比基于 transformer 的基线更有结构。
Lisa-Harness 推出 lisa-pack-markdown 包，将用户指令结合召回的长期记忆生成为经过结构化校验并持久化到 lisa-storage MCP 服务器的 markdown 文档。提供 markdown_forge_document 与 markdown_consolidate_sources 两个操作，以及基于 markdown-it-py 的只读校验工具 markdown_generate。内置截断续写与大纲契约机制，最多 forge_max_continue_attempts 4 次续写、文档上限 20000 字符。
GIND123 发布 Dynamic-Story-Graph 仓库，要求系统只能依据引语之前的前缀文本做归属，并在每条数据上用代码强制该约束。审计发现 PDNC 上已发表的非因果方法的决定性线索对 29.3% 的显式引语位于引语之后，并用 Qwen2.5-7B-Instruct 给出首个前缀因果归属结果，因果代价为 +0.165。研究还测得 append-only 状态存储在真实小说上会让 9-42% 的单值槽位自相矛盾，全流程 231 项测试通过，无 LLM judge、无付费 API，全部表格可由已提交工件复现。
推荐理由：以代码强制前缀因果约束重测 PDNC 引语归属基准，发现已发表方法依赖事后信息，并给出因果代价与状态污染的量化结果。
一项 arXiv 研究在 120 对相邻中英文 Wikipedia 修订版本上测量 RAG 分块策略的更新成本，覆盖固定大小、递归和内容定义三种分块器。在 116 篇公共成功集合上，固定分块需重算 57-68% 的嵌入输入工作量，递归分块为 38-56%，内容定义分块为 43-54%；在 2048-token 检索预算下各方法的平均证据召回差异小于两个百分点。研究指出更新成本应与检索质量一同报告。
一项 arXiv cs.CL 研究提出主动偏好获取（APA），用未来任务期望累计收益减去询问成本与隐私风险的 Prospective Personalization Value 指标，决定 Web Agent 值得询问哪些用户偏好。在纵向基准 ActiveWebPref 上，20 个任务的视野下 APA 获取了 80.3% 依赖摊销的有价值缺失偏好，而仅看当前任务价值的方法只获取 5.1%，并以 27.6% 的问题恢复了全量询问 84.2% 的效用收益。
Hao Wu 在 arXiv 发布 Delta N-gram 论文，提出向模型原生哈希 N-gram 表写入证据的 forward-only 路径，预训练表 T^0 不被修改，写入只走前向传播，清零补丁 Delta 即可还原原模型。0.6B 原型在第二次写入后保留 16/16 事实，而在线梯度写入只保留 2-4/16；在 35,000 次写入的七任务链上后期精度变化仅 -0.26/-0.52pp，论文链接为 https://arxiv.org/abs/2610.31125v1。
推荐理由：论文给出免反向传播写入 N-gram 记忆表的具体方法和多组稳定性数据，可与梯度写入方案直接比较。
研究者提出个人智能体基准 ColaBench，覆盖健康与日常生活场景，包含 349 个任务、10 个 Profiles 和 13,033 篇文档的知识库，通过 Evidence Graph 将个人状况与公开交互记录及文档证据关联。配套方法 MemKB 利用状态摘要、规则应用和记忆-文档链接检索知识，达到 86.25% Accuracy，平均每任务 4.07 轮交互。错误分析发现无依据的个人假设和规则误用是主要障碍。
balanced7 开源了 akashic-aurora，一个为 AI 智能体设计的记忆基座，核心问题是衡量记忆是否真正改善了结果，并构建检索路由机制把已有知识送到使用时刻。项目由多个 AI 智能体共享任务账本、消息总线和经验语料协作完成，内置 7,358 个测试、verified_by 验证门控和七种命名扇出几何；作者公开了检索覆盖率造假被审计纠正的完整记录，并明确承认已上线机制的记忆价值尚未在大规模上得到验证。代码以 Apache License 2.0 发布于 https://github.com/balanced7/akashic-aurora 。
推荐理由：项目不止堆功能，还公开了检索失败、指标自纠的完整审计链，读者可以借鉴其多智能体协作与可验证记录的做法。
作者 Dhruv Mojila 开源了 poincare-memory，作为其 ICBDML 2026 论文的几何感知记忆组件参考实现，把 LLM Agent 与 RAG 的记忆放入 Poincaré 球，用层级深度、文本嵌入方向编码，并支持 HalfLife 等时间权重策略。依赖仅 Python ≥ 3.10 与 NumPy，无需 GPU，支持子树等结构化检索、HTML 可视化和 SQLite 持久化；基准显示 mammal.n.01 子树（1,170 节点）上 dim=5 时 Poincaré MAP 0.975 对 Euclidean 0.802，作者注明论文实验系统未发布，本仓库基准数字仅来自此处代码。
推荐理由：原文给出把记忆放入双曲 Poincaré 球的具体编码与打分方法，并附 WordNet 重建基准对比，方法可复现可迁移。
NMoi-Agent 是一个本地优先的 LLM 客户端，采用 Rust 无头核心加各平台原生 UI，数据留在用户设备上，以 GPL-3.0-only 许可开源。项目当前处于 stage 0，核心代码已完成、测试待 CI 执行，包含 SQLite 存储、L0–L3 启动校验、上下文管理四模式、内容寻址归档、写入时刻脱敏及 NMoi-Agent doctor/init/backup 等 CLI 诊断命令。
av 发布 agent-store，为编码智能体提供仓库内持久、可查询的记忆，单个二进制加一个 SQLite 文件即可运行，无需服务器。状态存于项目 .agent-store/ 目录，WAL 模式支持并发写入，全部数据可导出 JSONL；不含嵌入向量、API key 或 LLM，靠 find 命令做精确结构化召回，ctx 命令输出上限 8192 字节的会话摘要。init 会安装技能文档并写入 AGENTS.md/CLAUDE.md，兼容 Claude Code、Codex、Cursor 等可执行 shell 命令的智能体，支持 hooks、定时任务和查询语言，当前为 v0.1.x，MIT 许可。
PLUR 是本地优先、零成本的 AI Agent 开放记忆系统，把记忆存为可读可改可删的 YAML engram，跨 Claude Code、Codex、Cursor、OpenCode 等 MCP 工具共享。检索用 BM25 + BGE 本地混合搜索，全量 LongMemEval-S（N=500）R@5 达 97.6%，带 reranker 的端到端答对率 60.5%；同任务对比中 Haiku 加 PLUR 以约 1/10 成本胜过无记忆的 Opus。
推荐理由：原文公开了可复现的评测 harness 与检索召回、端到端答对率分开报告的做法，读者可以据此对比各家记忆工具的真实效果。