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
• 来源文件：
• /inbox/tom/2026-06-10-agent-memory-rag-eval-radar.md

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

写作用途

• 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
• 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
• 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
• 可用于系统实现、实验平台或工程约束说明。
• 可用于局限性、风险、失效模式和未来工作。

待补齐

• BibTeX / 正式引用格式
• 方法与实验设置细节
• 与现有工作的差异点
• 是否有代码和数据集