📄 論文筆記

FARMA forges agent reasoning traces (not facts), achieves 100% ASR defeating keyword filter and A-MemGuard. SENTINEL 5-layer Reasoning Guard drops ASR to 0% with zero false positives on 326 benign traces.

behavioral state decay: info still in context but no longer influences decisions. Independent memory agent + 3-tier bank + two-phase intervention. Sonnet 4.5 +8.3pp. Selective silence beats always-on injection.

非參數自演化：不修改模型權重，只迭代優化工具集。Constructor-Merger-Evaluator-Reviewer 四階段生命週期，GPT-4o ACEBench +3.4%、Multi-Turn +7.2%。

Mandol 用 SemanticMap + SemanticGraph 原生融合 KV/向量/圖結構，檢索完全不經 LLM，LoCoMo 與 LongMemEval 雙 SOTA，5.4 倍檢索加速、4.8 倍寫入加速。

記憶管理不是被動存儲，而是可獨立訓練的認知技能（metamemory）。雙迴圈自動化優化讓 32B 開源模型 2-4 倍提升後媲美 Claude Opus 4.5。

個人化不是存更多對話——MRMS 提出雙軸記憶基板（表徵軸+時間軸）+ 三軸同步管線（資格→召回→裁決→暴露），從架構設計原則重新定義 agent 記憶。

七套記憶系統全軍覆沒：檢索越強，諂媚越嚴重。DeepSeek 準確率 -18%、諂媚率 +24%，記憶系統缺乏「不信任自己記憶」的能力。

HarnessX 提出 Agent harness 組裝代數與 AEGIS 自演化引擎，從 execution trace 自動改善 prompt、工具、記憶配置，平均 +14.5%、最高 +44%。

代理記憶瓶頸不是「能不能查到」而是「該不該記住」——EVAF 用驚喜-效價雙閘門 LoRA 固化，目標持久性 0.812-0.904，每 200 事件僅 2-3 次寫入。

不建全域知識圖譜，查詢時用 SQL JOIN 動態串聯事件；Hermes 選 SQLite 是對的，但現在不急著改。

三大廠同步推出自家 Agent SDK，舊框架被迫轉入防禦。從生產可靠性、可觀測性、成本控制、確定性組件四個維度實戰評測。

QAT 品質完勝傳統 PTQ，行動端專用量化格式把 Gemma 4 E2B 文字版壓到 <1GB，手機原生執行 LLM 成真。

Storage → Reflection → Experience 三階段演化框架，只有體驗階段代理才真正從過去「學習」。

記憶不是瓶頸，算力才是。讓模型在清空 KV cache 前多跑幾圈，把上下文真正「消化」。

把 LangGraph/CrewAI 等 agent 框架的外部編排邏輯直接微調進小模型 weights，保險理賠 55 節點實測接近 frontier 品質，成本降 100 倍。

von Mises-Fisher 新穎性偵測 + 自適應閘門，即插即用 A-Mem 省 16-18% LLM 呼叫品質不降。

記憶不該是靜態倉庫——三階段異質圖演化讓 LoCoMo 達 95.06（vs 81.23），三基準全 SOTA。

港中深+華為提出 H-Mem：短期記憶逐步演化為長期摘要，保留實體關係圖，在代理記憶 QA 任務達 SOTA。

Microsoft 提出可攜記憶協議，讓不同 LLM 代理之間能安全遷移操作上下文，解決供應商鎖定。

記憶不該只是靜態存儲，應被視為資料管理工作負載：需要學習、上下文減少與決策稽核。