智源研究院和人大等研究机构合发的论文：General Agentic Memory Via Deep Researcharxiv.org/pdf/2511.18423对于 AI 智能体而言，记忆至关重要。然而，目前广泛采用的静态记忆——旨在预先创建好现成的记忆——不可避免地会遭受严重的信息丢失 。为了解决这一局限性，我们提出了一种名为通用智能体记忆 (General Agentic Memory, GAM) 的新颖框架 。GAM 遵循“即时编译 (Just-In-Time, JIT)”的原则：它专注于在运行时为其客户端创建经过优化的上下文，而在离线阶段仅保留简单但有用的记忆 。为此，GAM 采用了包含以下两个组件的双重设计 ：1️⃣记忆器 (Memorizer)：利用轻量级记忆来标记关键的历史信息，同时在一个通用的页面存储 (page-store) 中维护完整的历史信息 。2️⃣研究员 (Researcher)：在预先构建的记忆引导下，针对在线请求从页面存储中检索并整合有用的信息 。这种设计使得 GAM 能够有效利用前沿大语言模型 (LLM) 的智能体能力 (agentic capabilities) 和测试时可扩展性 (test-time scalability)，同时也便于通过强化学习进行端到端的性能优化 。在我们的实验研究中，我们证明了相比于现有的记忆系统，GAM 在各种基于记忆的任务完成场景中都取得了显著的改进 。科技先锋官
