企业官网建设流程全解析

Agent-Memory-Paper-List贡献指南：如何为智能体记忆研究添砖加瓦

【免费下载链接】Agent-Memory-Paper-ListThe paper list of "Memory in the Age of AI Agents: A Survey"项目地址: https://gitcode.com/gh_mirrors/ag/Agent-Memory-Paper-List

Agent-Memory-Paper-List是一个专注于智能体记忆研究的学术资源库，旨在整理和分享“Memory in the Age of AI Agents: A Survey”相关的论文列表。通过贡献论文，你可以帮助构建一个全面的智能体记忆研究知识库，推动该领域的发展和创新。

为什么贡献智能体记忆研究论文？

贡献智能体记忆研究论文不仅能够帮助其他研究人员快速找到相关文献，还能促进学术交流和合作。随着AI智能体的快速发展，记忆作为智能体的核心能力之一，其研究变得越来越重要。你的贡献可以：

• 帮助构建完整的智能体记忆研究体系
• 为新手提供学习资源
• 促进跨学科合作
• 推动智能体记忆技术的创新和应用

图：智能体记忆研究的统一分类框架，展示了记忆的形式、功能和动态特性

贡献前的准备工作

在开始贡献之前，请确保你已经完成以下准备工作：

1. 了解项目结构

Agent-Memory-Paper-List的论文按照记忆的类型进行分类，主要包括：

• Factual Memory（事实记忆）
• Experiential Memory（经验记忆）
• Working Memory（工作记忆）

每种记忆类型又进一步分为Token-level、Parametric和Latent三个子类别。

2. 准备必要工具

• Git：用于版本控制
• 文本编辑器：用于编辑论文列表
• 学术数据库访问：用于获取论文信息

3. 克隆仓库

首先，将项目仓库克隆到本地：

git clone https://gitcode.com/gh_mirrors/ag/Agent-Memory-Paper-List

贡献步骤详解

查找合适的智能体记忆研究论文

寻找与智能体记忆相关的高质量论文是贡献的第一步。你可以通过以下途径查找：

• 学术数据库：如arXiv、Google Scholar、IEEE Xplore等
• 学术会议：如NeurIPS、ICML、ICLR等人工智能领域顶级会议
• 相关研究机构网站：如斯坦福大学、麻省理工学院等
• 相关论文的参考文献

在查找时，请注意论文的相关性和质量。优先选择近期发表、引用率高的论文。

按照规范格式添加论文

添加论文时，请遵循项目的格式规范。每篇论文应包含以下信息：

• 发表年份和月份
• 论文标题
• 作者
• 论文链接

例如：

- [2025/12] MemEvolve: Meta-Evolution of Agent Memory Systems. [[paper](https://arxiv.org/abs/2512.18746)]

请将论文添加到合适的分类下。如果不确定应该放在哪个类别，可以参考项目中的现有论文或查看论文的内容摘要。

提交贡献

完成论文添加后，按照以下步骤提交你的贡献：

1. 提交修改：

git add README.md git commit -m "Add [论文标题] to [分类名称]"

2. 推送到远程仓库：

git push origin main

3. 创建Pull Request：在GitCode上创建一个新的Pull Request，描述你的贡献内容。

论文分类指南

为了确保论文列表的组织性和易用性，请按照以下指南对论文进行分类：

Factual Memory（事实记忆）

事实记忆主要存储客观事实和知识。根据存储方式的不同，分为：

• Token-level：以显式、离散的形式存储，如知识图谱、文本片段等
• Parametric：存储在模型参数中，如通过微调将知识编码到模型权重中
• Latent：存储在隐藏状态中，如通过上下文学习获得的隐性知识

Experiential Memory（经验记忆）

经验记忆主要存储智能体的经验和技能。根据存储方式的不同，分为：

• Token-level：以显式的形式存储经验，如操作日志、决策过程等
• Parametric：通过参数学习存储经验，如强化学习中的策略优化
• Latent：通过潜在表示存储经验，如通过自监督学习获得的隐性技能

Working Memory（工作记忆）

工作记忆主要用于临时存储和处理信息，支持智能体的实时决策。根据存储方式的不同，分为：

• Token-level：以显式的形式存储当前上下文信息
• Parametric：通过模型参数动态调整来支持工作记忆
• Latent：通过潜在状态动态编码和更新工作记忆

图：智能体记忆与LLM记忆、RAG和上下文工程的概念对比

常见问题解答

如何判断论文是否属于智能体记忆研究范畴？

智能体记忆研究通常关注AI智能体如何存储、检索和使用信息以支持长期推理、持续学习和复杂环境交互。如果论文涉及以下内容，可能属于智能体记忆研究范畴：

• 智能体的长期记忆机制
• 记忆与推理的结合
• 记忆的动态更新和演化
• 多模态记忆
• 记忆的高效存储和检索

发现现有论文分类错误怎么办？

如果你发现现有论文分类错误，可以提交一个Pull Request进行修正，并在描述中说明修正理由。

可以贡献自己的论文吗？

是的，你可以贡献自己发表的相关论文。请确保论文符合项目的质量标准，并按照规范格式添加。

贡献者行为准则

为了维护一个友好、包容的社区，所有贡献者请遵守以下行为准则：

• 尊重他人的贡献和观点
• 提供建设性的反馈
• 确保贡献的内容准确、高质量
• 遵守学术道德，不提交抄袭或低质量的内容
• 对有争议的分类或内容，通过讨论达成共识

总结

贡献Agent-Memory-Paper-List是参与智能体记忆研究社区的重要方式。通过分享高质量的研究论文，你可以帮助推动该领域的发展，为AI智能体的进步贡献力量。无论你是研究人员、学生还是AI爱好者，都欢迎加入我们的贡献者行列！

希望本指南能帮助你顺利完成贡献。如果你有任何问题或建议，欢迎在项目中提出Issue或参与讨论。让我们一起构建一个全面、高质量的智能体记忆研究资源库！

【免费下载链接】Agent-Memory-Paper-ListThe paper list of "Memory in the Age of AI Agents: A Survey"项目地址: https://gitcode.com/gh_mirrors/ag/Agent-Memory-Paper-List