搜索
在此背景下，新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出了 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进应用在记忆控制层内的智能体架构，Recuris 通过三项核心技术突破，无需训练即成功实现了从 3B 小模型到 Claude Opus 5 的全面提升。
背后由清华大学、北京大学等一众机构支持的 Agent Memory Leaderboard（中文名「记忆之巅排行榜」）放出了首期成绩，目前该项目上榜 Huggingface Spaces Trending 首屏。
对 Agent 来说，这种长期记忆能力，正逐渐成为影响实际可用性的一项基础能力。今天，Agent Memory Leaderboard（AML，记忆之巅排行榜）正式发布首期结果。
当大模型应用进入深水区，决定一个 Agent 体验上限的，早已不只是 "答得对不对", 而是 "能不能持续记住同一个人"。
在做 Agent Memory 工程化探索的这几个月里，我经常有种被概念淹没的窒息。图结构记忆、AutoMemory、做梦机制、各种层出不穷的 Memory 框架……整个技术社区似乎陷入了一种每遇到一个新场景就要发明一套新词汇的群体焦虑中。
多模态Agent最容易制造的一种错觉是：它看过图片，所以它记住了图片。
你是否在使用Agent工作或者写代码时，总感觉上下文不够用？或者感觉反复使用Agent时并没有变得更聪明？感觉目前的记忆方案仍然不够用？今日，香港中文大学联合浙江大学发布的一篇论文关注了这个问题，并引起了学术界广泛讨论：你以为Agent在「记忆」，其实只是在记备忘录。
EverMind 想做点不一样的。这家由盛大集团孵化的公司，定位是为所有AI Agent提供一个通用的"记忆层"（Memory Layer）。它的核心产品EverOS是一套开源的长期记忆系统，开发者可以把它接入自己的Agent，让AI不仅能记住用户的历史对话和偏好，还能像人一样对记忆进行整理、更新，甚至从过去的经验中学习和进化。
4 月 18 日，Elastic 中国 AI 搜索技术大会在北京召开。以下内容整理自 Elastic 全球副总裁肖涵，原 Jina AI 创始人兼 CEO 在会上的演讲。肖涵讲述了 AI 搜索的发展历程以及为什么说在 2026 年做 AI 搜索基本就是在做智能体记忆 (Agent Memory)。
现在的AI agent往往把长交互历史直接存起来，但很难高效复用。最朴素的方法直接从「原始记忆」里检索，但常常把模型淹没在冗长、低价值的上下文里。PlugMem把经验转化为结构化、可复用的知识，并提出一个任务无关（task-agnostic）的统一记忆模块，在多种Agent基准上提升性能，同时消耗更少。