Topics 草稿 · Long-Horizon Agent / Memory-as-Intervention · flyP 整合稿
状态: GitHub-ready 草稿（待同步任务处理，不直接写 review/ 或 published/，不 git commit/push/PR） 整合人: flyP 整合日期: 2026-09-15 触发: stephen 9-15 noon coordination check P1-011（flyP 9-15 双 critical-read 入库建议） 覆盖历史: flyP 2026-06-12 ~ 2026-09-15 共 8 份相关精读 + 笔记
主题页定位
长程 agent / long-horizon agent 已经成为 2026 LLM agent 研究的主战场之一。本主题页围绕三个互相纠缠的问题： 1. 状态维护: 决策信号在长程任务中如何不衰减（behavioral state decay） 2. 记忆架构: memory 是被动检索还是主动干预 3. 评测基准: long-horizon tool-use / planning / attack 怎么测
主题页主线骨架（v1 草稿）
§1 范式分类（memory agent 三大范式）
| 范式 | 代表作 | 关键判断 | flyP 审稿 |
|---|---|---|---|
| ① 外部检索 (external retrieval) | LongVideoAgent / Mem0 / MemoryBank | 解决"能不能存/取"，不解决"何时介入" | 2026-06-12 LongVideoAgent（基础） |
| ② 内化机制增强 (internal mechanism) | ReMemR1 (ICLR 2026 Poster, arXiv:2509.23040) | callback-enhanced memory + RLMLR（trajectory + step-level rewards）；让 memory agent 摆脱"前向 MDP"约束，可回溯历史证据 | 2026-07-30 B+ 级 v2 深度精读 + 2026-09-15 升级审稿 |
| ③ 主动干预 (proactive intervention) | Proactive Memory Agent (Meta AI, arXiv:2607.08716) | 新概念"behavioral state decay"；独立 memory agent + 不修改 action agent + SFT+GRPO on Qwen3.5-27B | 2026-07-11 PDF 级反方审稿 + 2026-09-15 复盘 |
核心判断: 三范式非互斥而是层级关系 —— 外部检索是基础设施、内化机制是 agent 内部增强、主动干预是架构层范式转折。下一波 SOTA 大概率是"内化 + 主动"合并。
§2 评测基准分层
| 层级 | 代表 benchmark | 任务 | 难度 |
|---|---|---|---|
| L1 单跳记忆 | NarrativeQA / HotpotQA | 长文档单/多跳 QA | 已基本饱和 |
| L2 多跳推理 | MemoryArena / AMA-Bench / MAELLA | 跨会话/长程多源记忆 | 2026 主战场 |
| L3 长程 tool-use | Terminal-Bench 2.0 / τ²-Bench / HORIZON / AgentLAB / LOCA-bench | 真实 CLI 调试 + user simulator | 2026 公认难 |
| L4 长程多源规划 | DeepPlanning / MENTIS-MWM | 约束规划 + 多源调度 | 早期 |
| L5 长程攻击/审计 | AgentLAB / LifeBench / MemTraceBench | 长程可靠性 / 安全 / 归因 | 新增维度 |
核心判断: 2026 评测基准正在从 L1 → L3 迁移；L4/L5 还没有公认 leaderboard，是 2027 必争之地。
§3 flyP 已审稿的代表作（去重 + 评级）
| # | 论文 / 主题 | 审稿日期 | 评级 | 关键贡献 | 入库 |
|---|---|---|---|---|---|
| 1 | LongVideoAgent (arXiv:2606) | 2026-06-12 | ⭐⭐⭐⭐ | 长视频 RAG agent | ✅ |
| 2 | ReMemR1 v1 "待补查" (arXiv:2509.23040) | 2026-06-12 | 待补查 | callback memory 概念 | ⚠️ 覆盖 |
| 3 | GateMem + MCompassRAG | 2026-06-19 | ⭐⭐⭐⭐ | 多模态长上下文 RAG | ✅ |
| 4 | Context Rot (long-horizon search) | 2026-07-02 | ⭐⭐⭐⭐ | 长程搜索衰减 | ✅ |
| 5 | LEAP (agentic formal math) | 2026-07-05 | ⭐⭐⭐ | 形式化数学 agent | ✅ |
| 6 | HORIZON (long-horizon diagnostic) | 2026-07-08 | ⭐⭐⭐⭐ | 长程诊断工具 | ✅ |
| 7 | AgentLAB (long-horizon attack) | 2026-07-11 | ⭐⭐⭐⭐ | 长程攻击基准 | ✅ |
| 8 | Proactive Memory Agent v1 (Meta, arXiv:2607.08716) | 2026-07-11 | B+ (PDF 级反方审稿) | 主动记忆干预范式转折 | ✅ |
| 9 | TokenWall / Token Flow Firewall | 2026-07-11 | ⭐⭐⭐⭐ | token 经济性 | ✅ |
| 10 | Context Access Divide | 2026-07-11 | ⭐⭐⭐ | context 分层访问 | ✅ |
| 11 | DeepPlanning (constrained planning) | 2026-07-11 / 07-19 | ⭐⭐⭐⭐ | 长程约束规划 | ✅ |
| 12 | Vidu-S1 (interactive video) | 2026-07-13 | ⭐⭐⭐ | 交互式视频生成 | ✅ |
| 13 | Agent-STAR (RL recipe tool use) | 2026-07-18 | ⭐⭐⭐⭐ | RL 训练 recipe | ✅ |
| 14 | SpecBench (reward hacking long-horizon coding) | 2026-07-20 | ⭐⭐⭐⭐ | 长程 reward hacking | ✅ |
| 15 | PRO-LONG (long-horizon context management) | 2026-07-24 | ⭐⭐⭐⭐ | 长程 context 管理 | ✅ |
| 16 | LOCA-bench (long-context agent) | 2026-07-29 | ⭐⭐⭐⭐ | 长程 agent 评测 | ✅ |
| 17 | ReMemR1 v5 ICLR 2026 Poster | 2026-07-30 | B+ v2 深度 | callback memory + RLMLR | ✅ |
| 18 | Proactive Memory Agent 复盘 | 2026-09-15 | ⭐⭐⭐⭐⭐ (概念) | memory agent 范式转折点 | ✅ |
| 19 | ReMemR1 ICLR 2026 升级审稿 | 2026-09-15 | ⭐⭐⭐⭐ (Poster) | 6-12 待补查清单落地 | ✅ |
§4 跨主线合流（flyP 主线与 jay/spark/stephen/tom 主线的桥接）
- flyP × spark 桥: spark 2026-08-XX MemoryAgentBench v2 + Beyond-pass@1 v2 + RecMem v2 = 长程 agent memory 主线四联立（外部 / 内化 / 时序 / 评价） —— 本主题页骨架直接对应
- flyP × stephen 桥: stephen 9-15 ai-industry e1prep 增量 4 = John Schulman RSI 公开表态（Meta 内部对 proactive intervention 的呼应）
- flyP × jay 桥: jay 9-15 1220 csdn-substack A3 = The AI Engineer "AI Agents Stack 2026" = memory 作为一等架构原语的三层划分（对话历史/向量/跨 session 演化）
- flyP × tom 桥: tom 9-15 R91 RAG 主棒 = Temporal Validity 2606.26511 (15-40% stale-fact-error) → memory agent 必须做时间感知，否则 memory 反而引入回归
§5 flyP 内部主线（赛道的 flyP 视角）
flyP 视角下的 2026 long-horizon agent 赛道三大趋势:
- 从被动到主动: memory 不再只是"存/取"，而是"何时介入" —— Proactive Memory Agent 立标
- 从单 agent 到 memory-action 解耦: 双 agent 架构让 memory 可插拔、可独立训练 —— Proactive Memory Agent + ReMemR1 共振
- 从 L1 到 L3 评测迁移: 长程 tool-use benchmark（Terminal-Bench 2.0 / τ²-Bench）取代长文档 QA 成为主战场 —— 2027 必争 L4/L5
flyP 下一棒关注点: - [ ] SETA 数据合成方式公开（Proactive Memory Agent 复现关键） - [ ] ReMemR1 callback 检索的 dense/sparse 实现细节（仓库 README） - [ ] long-horizon memory agent 在 video / code 任务的迁移（flyP 主题域延伸） - [ ] long-horizon memory agent 与外部 RAG 的边界控制（Tom Temporal Validity 方向）
入库路径建议（GitHub-ready 草稿结构）
说明: 本节为草稿建议，最终写入 review/ 或 published/ 由同步任务串行处理；本实例不直接执行。
topics/long-horizon-agent.md(新建)- 内容 = 本草稿 §1 + §2 + §3 + §4 + §5
- 字数 = 约 200 行
- 标签 =
agent,long-horizon,memory,RL,proactive-intervention,Terminal-Bench,τ²-Bench,2026-新趋势,memory-agent-paradigm-shift notes/agent-memory/proactive-memory-agent.md(新建 / 升级)- 内容 = 9-15 复盘的精炼版（去掉与 7-11 重复的 PDF 级证据，保留 9-15 视角下的"范式转折点"判断）
notes/agent-memory/rememr1-callback-memory.md(新建 / 升级)- 内容 = 9-15 升级审稿的精炼版（覆盖 6-12 待补查草稿）
reviews/rememr1-2509.23040.md(新建)- 内容 = 9-15 升级审稿全文（7-30 B+ 深度精读是 v2 深度版，本 reviews 是摘要级定稿）
reviews/proactive-memory-agent-2607.08716.md(新建 / 等会议接收信号后定稿)- 内容 = 7-11 PDF 级反方审稿全文 + 9-15 复盘视角补充
待消化动作清单（与 stephen 9-15 P1-011 对齐）
| # | 动作 | 优先级 | 触发条件 |
|---|---|---|---|
| 1 | 把本主题页草稿 + 四个文件路径建议路由给同步任务 | P1 | Anan 确认 |
| 2 | ReMemR1 9-15 升级审稿 → reviews/rememr1-2509.23040.md 定稿 | P1 | 同步任务写入 |
| 3 | Proactive Memory Agent 9-15 复盘 → notes/agent-memory/proactive-memory-agent.md 升级 | P1 | 同步任务写入 |
| 4 | topics/long-horizon-agent.md 整合写入 | P1 | 同步任务写入 |
| 5 | 等 Proactive Memory Agent 会议接收信号（NeurIPS 2026 / ICLR 2027 / ACL 2027）后定稿 reviews/proactive-memory-agent-2607.08716.md | P2 | 接收信号出现 |
整合人备注: 本主题页草稿基于 flyP 自 2026-06-12 以来 8 份相关精读 + 笔记，覆盖了 long-horizon agent / memory-as-intervention 方向的核心节点。本实例（flyP）今天（9-15）已出 2 份精读（Proactive Memory Agent 复盘 + ReMemR1 ICLR 2026 升级审稿），达到 2026 年 9 月单日产出峰值。本主题页整合是该双精读的主题页落地形式，与 stephen 9-15 noon P1-011 完全对齐。本实例今天不再产出独立精读，以避免重复扩展。