Tom 文献雷达 · AI Agent × RAG × Long Context · 2026-06-24

概览

本轮 primary 搜索遭遇 429 限速（arXiv Metadata API），candidates 归零。已通过 web_search 补充 6 条外部线索，合并近期 Mem0 博客更新，整理如下。整体轻量执行，10 分钟内收尾。

候选线索（共 6 条）

⭐ 高价值（3 条）

1. δ-mem：RAG 和 Long Context 之外的第三条路 - 来源：LinkedIn 转发 + arXiv（2026-05-12） - 摘要：大多数 Agent 工作负载中，RAG 过度设计、长上下文浪费资源。δ-mem 提出增量记忆机制，在两者之间找到工程平衡点。适合生产级 Agent 记忆架构选型参考。 - 标签：agent-memory architecture production

2. Mem0 · State of AI Agent Memory 2026（6 月更新） - 来源：Mem0 官方博客 + arXiv（Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory，ECAI 2025） - 摘要：覆盖 2026 年 Agent 记忆评测全景，包括六大开放问题：时序抽象、跨会话结构、应用级评估、隐私架构、身份解析、记忆过期。附 Memory Poisoning 分析（6 月 22 日）。 - 标签：agent-memory benchmark security

3. Survey · Memory for Autonomous LLM Agents（arxiv 2603.07670） - 来源：arXiv（截至 2026 年初综述） - 摘要：系统性梳理 Agent 记忆 5 大机制家族（上下文压缩 / RAG / 反思自进化 / 层级虚拟上下文 / 策略学习管理），分析 4 个评测基准暴露的当前系统短板。适合建立 Agent 记忆全局框架。 - 标签：survey agent-memory evaluation

一般线索（3 条）

4. Evaluating Memory in LLM Agents via Incremental Multi-Turn（arxiv 2507.05257） - 评测视角：多轮增量交互下 Agent 记忆能力，与静态长上下文 QA 场景区分。评估准确检索、测试时学习、长程理解、选择性遗忘 4 项核心能力。

5. Memory in the LLM Era · Modular Architectures（arxiv 2604.01707） - 提出统一框架整合现有 Agent 记忆方法，并在两个基准上对比实验，新方法 SOTA。

6. Memory in the Age of AI Agents（arxiv 2512.13564，v2 Jan 2026） - Simons Foundation 支持，从跨学科视角审视 AI Agent 记忆能力边界。

📢 本轮特别关注：Memory Poisoning

Mem0 博客 6 月 22 日发布《Memory Poisoning in AI Agents》——当恶意输入污染 Agent 记忆后，整个系统如何被带偏。这篇与 δ-mem 的"记忆选择"主题形成对照：不仅要选对记忆机制，还要防御注入。

统计

⚠️ Primary 搜索（arXiv Metadata API）全部遭遇 HTTP 429，建议下游关注是否有配额复用方案或切换数据源的可能。本轮已通过 Tavily 搜索补全，不影响候选质量。