2026 记忆研究速览：五篇值得精读的新论文

过去半年，agent memory 的学术产出明显提速：评测基准开始模拟真实的增量交互，综述开始反思"短长期记忆"的经典二分法，甚至"换底座模型后记忆怎么办"这种工程里天天遇到、学术界此前很少碰的问题也有了受控研究。本文精选五篇论文，按"先看问题、再看结论、最后工程启示"的顺序展开。

要点速览：五篇论文指向三个趋势——从「存得下」到「迁得走」（结构化记忆跨模型存活率更高）、「防得住」（记忆投毒与失效管理）、「评得准」（增量式交互评测）。最贴工程的一篇是记忆可移植性研究：底座换代前，先把记忆格式 schema 化。

一、换模型后，记忆能活着迁移吗

论文：Does Your Agent's Memory Survive a Model Upgrade? A Controlled Study of Memory Portability（arxiv.org/abs/2609.05339，2026-09）

这是最"工程痛点"的一篇。模型升级是常态，记忆迁移却很少有人验证：把 A 模型积累的记忆直接交给 B 模型使用，还能用吗？作者做了受控实验，比较不同记忆格式在底座模型切换后的存活率。核心结论：结构化记忆（固定 schema、知识图谱式）的迁移存活率显著高于自由文本笔记——自由格式里大量隐含假设（缩写、指代、时间基准）在换模型后丢失或被误读。

工程启示有三条：记忆条目要显式 schema 化，时间、主体、置信度不要埋在散文里；选记忆引擎时把"结构化导出"当硬指标考察；底座模型换代应当触发记忆回归测试，而不是默认无缝。

二、MemoryAgentBench：增量交互才是记忆的真实打开方式

论文：Evaluating Memory in LLM Agents via Incremental Multi-Turn Interactions（arxiv.org/abs/2507.05257，v3）

LoCoMo、LongMemEval 把对话一次性交给被测系统，MemoryAgentBench 的批评是：真实部署中信息是逐轮到达的，记忆在过程中不断累积、修订甚至失效。它用增量式多轮交互评测四项核心能力——精确检索、测试时学习（从交互中习得新规则）、长程理解、冲突解决。

工程启示：评测自己的记忆方案时，不要只测"灌满再问"，要测"边聊边记"；冲突解决（新事实覆盖旧事实）值得单独写用例。本站之前的评测方法论文章讨论过类似局限，这个基准提供了现成的落地工具。

三、Rethinking Memory Mechanisms of Foundation Agents：一张统一地图

论文：Rethinking Memory Mechanisms of Foundation Agents in the Second Half（arxiv.org/abs/2602.06052，2026）

这篇综述给出三维分类：记忆载体（模型内部状态 vs 外部存储）、认知功能（记忆支撑什么能力）、动态过程（写入、巩固、遗忘、检索如何演化）。它把此前碎片化的"OS 派、图谱派、向量派"放进了同一坐标系，适合作为给团队做技术分享的开篇材料。

四、Memory in the Age of AI Agents：47 位作者的共识框架

论文：Memory in the Age of AI Agents: A Survey（arxiv.org/abs/2512.13564，2025-12）

47 位作者联合发表的大部头。核心论点：业界通用的"短期 / 长期记忆"二分法已经不够用了，它描述的是存储时长而不是记忆扮演的角色。文章提出按形式—功能—动态三个轴组织领域，并把记忆按功能重新划分为事实性、经验性、程序性三类——这与 MemOS 的分层、Letta 的 agent 状态管理在工程上互相印证。

五、记忆安全：过去如何支配未来

论文：A Survey on the Security of Long-Term Memory in LLM Agents（arxiv.org/abs/2604.16548，2026）

这篇文章的定位很准：记忆是"一个 Agent 的过去支配其未来行为的基底"。正因为如此，记忆投毒、跨会话越权读写、长期记忆中的敏感信息滞留，杀伤力都比单次提示注入更持久。AML 榜单把"安全与隐私"列为七大能力维度之一（NTES-TDAM 甚至靠这项单项拿下开源组安全第 2），说明安全正在从"合规附件"变成"评测维度"。

工程启示：记忆系统要有独立的删除与审计路径；用户 A 的记忆永远不应该进入用户 B 的检索空间；对记忆写入做来源标记，投毒可追溯。

趋势小结

五篇论文合起来指向三个趋势：从"存得下"到"迁得走"（可移植性）、"防得住"（安全性）、"评得准"（增量式评测）。对选型的直接建议：优先考虑记忆格式结构化、支持导出与审计的方案；本站引擎档案页对各引擎的图记忆、分层架构与导出能力有逐项对比。