4.2 MRAgent：Memory is Reconstructed, Not Retrieved（⭐⭐⭐⭐⭐）

类型：arxiv
标识：2606.06036
链接：https://arxiv.org/abs/2606.06036
主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
主分类：rag
形态：method
被引：3
被引来源：Semantic Scholar
S2被引：3
OpenAlex被引：0
影响力被引：0
TLDR：MRAgent, a framework that combines an associative memory graph with an active reconstruction mechanism that integrates LLM reasoning directly into memory access, ensuring that memory retrieval is dynamically adapted to the reasoning context while avoiding combinatorial explosion caused by unconstrained expansion.
OpenAlex ID：W7163709788
OpenAlex DOI：10.48550/arxiv.2606.06036
DOI：10.48550/arxiv.2606.06036
DOI来源：OpenAlex
开放获取：green
开放获取链接：https://doi.org/10.48550/arxiv.2606.06036
OpenAlex更新：2026-08-23
标题中文：4.2 MRAgent：记忆是被重构而非被检索的（⭐⭐⭐⭐⭐）
TLDR中文：MRAgent，一种将联想记忆图与主动重构机制相结合的框架，将 LLM 推理直接融入记忆访问，确保记忆检索能动态适配推理上下文，同时避免无约束扩展引发的组合爆炸。
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

- 方法要点：
- MAGE 将历史组织为两层层级状态树：底层记录 action-observation trace，上层在子目标/决策边界生成压缩摘要。
- agent 当前状态来自 root-to-current path，而不是临时拼接相似片段。
- 四类操作：Grow、Compress、Maintain、Revise；Revise 可在检测到错误时回到目标边界并开新分支，隔离失败轨迹。
- 结果线索：在 MemoryArena 上，平均任务成功率相对基线提升约 7.8-20.4 个百分点，相比长上下文方案 token 消耗降低约 55.1%。
- 评价：这是本轮最值得进知识库的 agent memory 论文。它把“记忆”从检索后端提升为执行状态管理层，适合放入 Agent Memory / Long-Horizon Agent 主题页。
- 建议：进入 registry/papers.jsonl；需要精读方法图、MemoryArena 设置与基线公平性。
- 链接：https://arxiv.org/html/2606.06036v1