重新思考记忆：持续演化的连接性 Rethinking Memory as Continuously Evolving Connectivity

FluxMem的执行流程包含三个顺序阶段。阶段一：初始连接形成。在时间步t，给定当前观测ot，系统首先通过混合相关性分数融合稠密嵌入相似度、稀疏词汇匹配和LLM验证，从语义层检索top-k节点实例化语义节点集，建立有向边将它们链接到当前步骤锚点。接着通过嵌入相似度从情景层查询k个最相关的过去情节，并通过遍历现有提取连接收集适用技能，形成所有连接的技能节点集。检索到的节点和边形成初始步级子图，序列化为初始上下文。阶段二：反馈驱动的连通性细化。收到执行反馈后，系统将推理失败归因为连接层面或单元层面缺陷，应用针对性编辑到子图。连接层面细化包括为欠连接执行链接扩展，识别语义邻近但未激活的节点并建立新任务中心边；为过连接执行链接修剪，识别干扰边并删除。单元层面细化包括为抽象粒度错位执行内容重塑，通过扩展或抽象冗余组件调整旧节点的内部内容，产生细化单元并更新局部子图。循环在执行成功或达到预设细化轮数T时终止。阶段三：长期连接巩固。任务完成后，轨迹作为情景节点提交。离线巩固时，系统首先基于语义轨迹相似性将情景节点分区为多个聚类，对每个聚类，LLM提取共享技能或推理模式抽象为新的程序技能节点。然后通过PEMS指导的迭代巩固过程验证和优化技能，每次迭代重新运行源episodes，计算程序演化成熟度得分，该得分融合平均成功率、技能文本token长度和版本间嵌入差异。基于执行结果，LLM直接重写低分技能修复逻辑错误或删除冗余内容，测试-得分-细化循环重复直到分数改进低于阈值。

FluxMem的技术新颖性体现在多个层面。首先，它首次将智能体记忆形式化为动态演化的异构图结构，通过三层节点和两种边类型表达复杂的层次化记忆关联，这与现有的树状、金字塔状或层次结构有本质区别。其次，它提出了PEMS（程序演化成熟度得分）作为记忆可泛化性和演化成熟度的统一度量指标，用于监控离线巩固过程的收敛，这在现有记忆系统中未见报道。第三，它设计了三阶段进化管道，其中阶段二的闭环细化和阶段三的迭代巩固通过反馈机制实现了记忆的持续自我优化，这与现有静态管道形成鲜明对比。最后，它在技术细节上的创新包括混合相关性分数融合稠密、稀疏和LLM验证，以及基于反馈归因的针对性拓扑编辑机制，这些设计使系统能够在复杂动态环境中自适应调整记忆结构。

FluxMem存在几个潜在弱点。第一，计算开销和资源需求较高，阶段二的闭环细化和阶段三的迭代巩固都需要多次LLM调用，在实时或边缘设备部署场景中可能成为瓶颈，改进方向包括设计增量式细化和异步巩固机制，减少在线推理延迟。第二，超参数调优复杂，细化轮数T、PEMS收敛阈值、检索top-k等参数需要针对不同任务域和模型主干进行调整，改进方向包括开发自适应参数选择机制或元学习框架来自动优化这些超参数。第三，对长期记忆衰减机制关注不足，现有系统主要关注记忆的形成和巩固，但记忆的遗忘和衰退同样重要，特别是在开放世界环境中，改进方向包括引入记忆重要性评分和基于使用频率的自动遗忘机制。第四，缺乏对多模态记忆的系统性支持，虽然架构理论上可扩展到多模态，但当前实验主要关注文本场景，改进方向包括设计统一的多模态记忆表示和检索机制。第五，在线与离线阶段的权衡策略不足，阶段三的离线巩固频率与在线性能之间的平衡需要更深入的分析，改进方向包括设计动态调度策略根据任务负载和内存使用情况自适应调整巩固频率。

作者提出的未来工作方向包括系统测量闭环操作的计算开销，特别是延迟、API成本和token消耗，这对实际部署至关重要。开发动态调度策略来平衡巩固频率与在线性能退化，这是终身智能体部署的关键。基于分析，额外的未来工作方向包括：设计自适应超参数优化机制，通过元学习或贝叶斯优化自动针对不同任务域调整T、PEMS阈值、top-k等参数。引入记忆衰减和遗忘机制，使系统能够主动管理记忆的生命周期，特别是在开放世界流式环境中。扩展到多模态记忆场景，支持图像、音频、视频等非文本记忆单元的表示、检索和演化。开发增量式和分布式记忆巩固机制，使系统能够在边缘设备上高效运行。研究记忆安全性和隐私保护，防止敏感信息在记忆演化过程中泄露。探索记忆与其他智能体能力的协同演化，如工具使用、任务规划、多智能体协作等。设计更鲁棒的记忆演化算法，能够处理对抗性攻击和错误反馈，提高系统在adversarial环境中的稳定性。

论文中提到代码将在近期开源，这有助于复现。实验在三个公开基准上进行：LoCoMo提供1540个人工标注问题，覆盖841个单跳、282个多跳、321个时间推理和96个开放域问题，平均每个对话588轮次和16618个token；Mind2Web作为大规模通用网络智能体测试平台，包含来自137个真实世界网站的2350个开放任务，跨越31个域，平均页面大小1135个DOM元素，平均需要7.3个离散动作完成；GAIA评估跨越165个精选任务，包括53个Level 1任务、86个Level 2任务和26个Level 3任务。对于LoCoMo，所有基于检索的方法使用text-embedding-3-small模型生成嵌入，基线方法使用各自的商业API检索记忆上下文。对于Mind2Web，所有基线方法按照各自原生评估管道在离线协议下评估，使用GPT-4.1-mini和Gemini-2.5-flash作为基础模型。对于GAIA，所有方法每个任务运行一次。复现难度中等，需要访问相应的LLM API和基准测试数据集，但系统复杂性较高，调试和优化可能需要较多工程工作。论文提供了详细的实现细节和超参数设置，但缺乏完整的配置文件和预训练模型，这增加了复现的挑战性。