AI智能体的记忆,终于有人认真研究“文件系统”这条路了——新论文给出五个反直觉答案
工业界的Agent记忆实践早已收敛到“文件系统”——一棵由Agent自己用通用文件工具读写、重组的Markdown目录树,但学术界大多在设计各种“专用记忆表征”,很少有人认真研究这个已经被广泛部署的默认方案。论文作者把filesystem-based memory形式化为围绕一个共享存储的三种角色:负责写入与整理的管理Agent、负责带引用作答的搜索Agent,以及在技能场景下提供任务轨迹的执行Agent。他们在长对话问答基准(LoCoMo、PersonaMem、REALTALK)和具身任务基准(ALFWorld)上,系统对比了六种记忆形态、不同工具集、不同规模的记忆流,以及不同能力档位的模型,围绕五个研究问题给出了迄今为止最系统的实证画像。