3️⃣ arXiv · Memanto: Typed Semantic Memory with Information-Theoretic Retrieval for Long-Horizon Agents（⭐⭐⭐⭐ 高优先级）

• 类型：arxiv
• 标识：2604.22085
• 链接：https://arxiv.org/abs/2604.22085
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag
• 主分类：agent
• 形态：method
• 被引：5
• 被引来源：Semantic Scholar
• S2被引：5
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Memanto is introduced, a universal memory layer for agentic artificial intelligence that challenges the prevailing assumption that knowledge graph complexity is necessary to achieve high fidelity agent memory and achieves state of the art accuracy scores.
• OpenAlex ID：W7156276671
• OpenAlex DOI：10.48550/arxiv.2604.22085
• DOI：10.48550/arxiv.2604.22085
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2604.22085
• OpenAlex更新：2026-07-19
• 标题中文：3️⃣ arXiv · Memanto：面向长程 Agent 的带类型语义记忆与信息论检索（⭐⭐⭐⭐ 高优先级）
• TLDR中文：本文提出 Memanto，一种面向 agentic 人工智能的通用记忆层，挑战了"必须依赖知识图谱复杂度才能实现高保真 agent 记忆"的普遍假设，并取得 SOTA 准确率。
• 副分类：rag
• 待LLM分类：否
• 来源文件：
• /inbox/jay/2026-06-10-agent-memory-mechanisms-rag-eval.md
• [S2 enrich]
• [OpenAlex backfill]

可复用信息

• • 核心发现：实验显示即使检索模块返回正确支持段落，模型性能也没有显著提升——说明模型已从参数记忆掌握了答案，检索未被实际依赖
• • 应对方案：需要生成"无泄漏"Benchmark，确保题目强制依赖外部检索而非参数记忆
• • 评价：这是 RAG 评测领域的重要方法论贡献，对工程选型和论文复现都有直接价值
• • 标签：RAG Evaluation Benchmark Knowledge Leakage Methodology 2026
• • 建议动作：精读；纳入「RAG 实践 → 评测方法论」核心；提醒知识库读者避免使用已知存在泄漏的 Benchmark 评估 RAG 系统

• • 链接：https://arxiv.org/html/2604.22085v1
• • 发布时间：2026年4月

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。

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