4.1 MAGE：Memory as Execution State Management for Long-Horizon Agents（⭐⭐⭐⭐⭐）

类型：arxiv
标识：2606.06090
链接：https://arxiv.org/abs/2606.06090
主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
主分类：agent
形态：method
被引：2
被引来源：Semantic Scholar
S2被引：2
OpenAlex被引：0
影响力被引：0
TLDR：This work proposes MAGE (Memory as Agent-Guided Exploration), an active execution-state manager that stores interactions in a hierarchical state tree and shows that MAGE improves the average task success rate by 7.8--20.4 pp over baselines, while reducing token consumption by 55.1%.
OpenAlex ID：W7163667568
OpenAlex DOI：10.48550/arxiv.2606.06090
DOI：10.48550/arxiv.2606.06090
DOI来源：OpenAlex
开放获取：green
开放获取链接：https://doi.org/10.48550/arxiv.2606.06090
OpenAlex更新：2026-08-23
标题中文：4.1 MAGE：Memory as Execution State Management for Long-Horizon Agents（⭐⭐⭐⭐⭐）
TLDR中文：本文提出 MAGE（Memory as Agent-Guided Exploration），一种将交互存储在分层状态树中的主动式执行状态管理器；实验显示，MAGE 将平均任务成功率较基线提升 7.8–20.4 个百分点，同时 token 消耗减少 55.1%。
待LLM分类：否
来源文件：
/inbox/tom/2026-06-10-agent-memory-rag-eval-radar.md
[S2 enrich]
[OpenAlex backfill]

可复用信息

8 | OpenViking | GitHub volcengine/OpenViking | 开源 context database，给出 LoCoMo、agent experience memory、HotpotQA 的效率/准确率对比。 | 否，建议进工具/项目 registry | 审稿，核实 benchmark 设置
9 | Build and run agents at scale with Microsoft Foundry at Build 2026 | Microsoft 官方博客 | 官方总结企业 agent 的 long-term memory、procedural memory、trace/eval/OTel 生产化方向。 | 否 | 工程主题页参考
10 | Agentic RAG 的实现方式？ | CSDN / TextIn | 有 OCR + Agent + 记忆 + Coze 知识库的低门槛工作流、命令和配置示例；偏产品化，需严格审稿。 | 否 | CSDN 高筛后保留，需人工核验

- 链接：https://arxiv.org/abs/2606.06090
- HTML：https://arxiv.org/html/2606.06090v1
- 核心问题：现有 RAG / memory 系统按语义相似度组织历史，会把有效轨迹、失败轨迹、局部相关但状态不连续的信息混在一起；长程任务中这会破坏执行状态，导致错误级联。
- 方法要点：