从存储到经验：LLM 智能体记忆机制演进综述
人工智能
2026-05-11 v1 计算与语言
摘要
基于大型语言模型（LLM）的智能体通过整合外部工具与规划能力，从根本上重塑了人工智能。尽管记忆机制已成为这些系统的架构基石，但当前研究仍呈碎片化，在操作系统工程与认知科学之间摇摆不定。这种理论上的分歧阻碍了技术综合的统一视角与连贯的演进观点。为弥合这一差距，本综述提出了 LLM 智能体记忆机制的新颖演进框架，将发展过程形式化为三个阶段：存储（轨迹保存）、反思（轨迹精炼）与经验（轨迹抽象）。我们首先正式定义这三个阶段，随后分析这一演进的三个核心驱动力：长程一致性的必要性、动态环境中的挑战以及持续学习的终极目标。此外，我们具体探讨了前沿经验阶段的两种变革性机制：主动探索与跨轨迹抽象。通过综合这些分散的观点，本工作为下一代 LLM 智能体的开发提供了稳健的设计原则与清晰的路线图。
引用
@article{arxiv.2605.06716,
title = {From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms},
author = {Jinghao Luo and Yuchen Tian and Chuxue Cao and Ziyang Luo and Hongzhan Lin and Kaixin Li and Chuyi Kong and Ruichao Yang and Jing Ma},
journal= {arXiv preprint arXiv:2605.06716},
year = {2026}
}
备注
Accepted by ACL 2026 Findings