本综述（2512.23343）系统梳理 agent memory 的认知神经科学基础与工程实现，提出 nature×scope 双维分类体系 [2512.23343]。以下四篇后续工作从不同角度实例化或超越了综述所描绘的 landscape：
| 论文 | 关联维度 | 关系 |
|---|---|---|
| MemSkill (2602.02474) | 将综述中"memory management 闭环"的 extraction/updating 环节从固定 pipeline 升级为 RL 可学习 skill bank [2602.02474] | 综述框架的实例化 + 超越（fixed→learnable） |
| MCMA (2601.07470) | 将综述中的 hierarchical extraction 理念具象为可训练的 Memory Copilot，实现多层级抽象+DPO 优化 [2601.07470] | 综述设想的"认知元技能"的系统实现 |
| Mem-π (2605.21463) | 将综述中 "utilization" 阶段的 contextual augmentation 重构为独立生成策略，增加 abstention 路由 [2605.21463] | 综述 pipeline 的 utilization 端革新 |
| Experience Compression (2604.15877) | 对综述框架做"升维"批判——指出 nature/scope 分类缺少压缩粒度维度，提出 $L_0$–$L_3$ compression spectrum [2604.15877] | 元框架级别的补充与挑战 |
集群共性：五篇论文共享一个核心信念——agent memory 不应是静态数据管道，而是需要学习、进化、自适应的动态认知过程。综述提供了概念图景，后四篇各自攻克了子问题。
| 维度 | 综述覆盖 | 后续系统的增量 |
|---|---|---|
| Memory operations 可学习性 | 仅描述存在 extraction/updating/retrieval/utilization 闭环 | MemSkill: RL-trained skill bank [2602.02474]; MCMA: DPO-trained Copilot [2601.07470] |
| Abstention（何时不用记忆） | 未讨论 | Mem-π: structured counterfactual rollout 学习 calibrated abstention，easy tasks 71% abstain [2605.21463] |
| 压缩粒度的统一视角 | nature×scope 二维，未涉及压缩比量化 | Experience Compression: $L_0$–$L_3$ spectrum，量化 5–1000× 压缩比 [2604.15877] |
| Memory 跨模型迁移 | 未讨论 | MemSkill: LLaMA→Qwen skill bank transfer [2602.02474]; MCMA: Copilot→GPT-4o-mini +20.71% [2601.07470]; Mem-π: 7B→gpt-5.4-mini 3.7× RAG gain [2605.21463] |
| Memory 管理作为独立模型 | 提及但未深入 | MCMA (4B Copilot) 和 Mem-π (7B $\pi_{\text{mem}}$) 证明 memory manager 可以是比 task model 小得多的独立模型 |
综述将 RAG 与 agent memory 严格区分——"RAG 连接静态知识，agent memory 嵌入动态交互过程" [2512.23343]。但 Experience Compression 的 $L_3$ Declarative Rule 层级本质上是静态知识（"don't do X"规则），与综述的 RAG 判据模糊。这暴露了综述分类体系在边界案例上的脆弱性：高度压缩后的 agent 经验（$L_3$）与预设知识（RAG）在形式上趋同。
矛盾根源：综述按"来源"（交互 vs 静态）定义 boundary，Experience Compression 按"功能"（可复用粒度）重新定义。两者在各自框架内自洽，但混用时产生分类歧义。
综述提出 nature-based（episodic vs semantic）× scope-based（inside-trail vs cross-trail）= 4 象限 [2512.23343]。但后续系统暗示至少两个正交维度被遗漏：
影响：2×2 分类看似简洁但不可扩展。如需容纳后续系统创新，框架必须扩展至至少 4 个维度。
综述的 extraction→updating→retrieval→utilization 闭环暗示 agent 应对所有交互执行记忆管理 [2512.23343]。Mem-π 的核心洞察正是这一假设的反面：在简单任务上，最优 memory action 是 ABSTAIN——任何非空 memory 都是噪声 [2605.21463]。综述的闭环框架没有为"选择性遗忘/忽略"提供一等公民地位。
综述覆盖了 "what to remember"（分类体系）和 "how to manage"（闭环 pipeline），但完全未讨论 "how to learn memory management itself"。MemSkill 用 RL [2602.02474]、MCMA 用 DPO [2601.07470]、Mem-π 用 decoupled GRPO [2605.21463] 三条路径已在 2025–2026 年涌现，说明综述（2024）遗漏了 "learnable memory management" 这一最关键的后续方向。
综述 §8 系统化了 5 类攻击 [2512.23343]，但没有将安全防御集成进前文的管理闭环中。防御不应是事后补丁——在 extraction 阶段就应有 adversarial filtering，在 retrieval 阶段应有 provenance verification。Experience Compression 的 lifecycle management 概念 [2604.15877] 暗示安全应是 lifecycle 的内建属性，而非外挂层。
综述（2512.23343）处于 "概念启蒙" 阶段——为一个快速分化的领域提供第一张地图。其核心价值不在于解决问题，而在于定义问题空间和建立共同语言（episodic/semantic, inside-trail/cross-trail）。
后续四篇系统论文属于 "工程实现" 阶段——在综述定义的问题空间中各自攻克子问题：
综述 (2512.23343) → 概念定义 + 分类体系 + 安全预警
├── MemSkill (2602.02474) → "extraction/updating 可学习"
├── MCMA (2601.07470) → "memory 管理可作为独立可训练元技能"
├── Mem-π (2605.21463) → "utilization 可以是生成式 + 可学习路由"
└── Experience Compression → "需要统一框架量化不同粒度"
(2604.15877)
综述的持续价值在于跨学科映射（认知科学→工程）和安全系统化——这两部分不会因后续系统创新而过时。过期风险在于分类体系——2×2 矩阵已被 Experience Compression 证明不完备，且 "learnable memory management" 这一最重要趋势完全未被预见。
基于本集群五篇论文的交叉分析，以下方向尚未被探索但技术上可行：
灵感来源：Experience Compression 的 "missing diagonal" [2604.15877] + MemSkill 的 RL controller [2602.02474] + Mem-π 的 abstention routing [2605.21463]。
设想：一个 meta-controller 不仅决定 "which memory skill to apply"（MemSkill）或 "whether to generate"（Mem-π），而是决定 "compress this experience to which level"（$L_0$–$L_3$）。可复用 MemSkill 的 Gumbel-Top-K RL 框架，将 skill bank 替换为 compression-level operators，reward 来自跨 session 的 downstream task success。
灵感来源：综述的 5 类攻击分类 [2512.23343] + Experience Compression 的 lifecycle management [2604.15877] + MCMA 的 consistency check [2601.07470]。
设想：在 MCMA 的 trajectory preprocessing（noise pruning + consistency check）中集成 adversarial memory detection。每条待存储的 memory unit 通过 provenance verification（来源可追溯）+ semantic consistency check（与已有 memory bank 的矛盾检测）双重过滤。综述的攻击分类可转化为具体的检测 test cases。
灵感来源：Mem-π 的 calibrated abstention [2605.21463] + MemSkill 的 skill designer [2602.02474]。
设想：当 Mem-π 频繁 abstain 的 context 类型被识别后，将其传入 MemSkill 的 hard-case buffer。Designer 不仅进化 skill bank，还生成新的 "context-specific memory generation strategies" 来填补 abstention gap。这样 abstention 不再是终态，而是触发 skill evolution 的信号。
灵感来源：MCMA 的跨域 Copilot 迁移 [2601.07470] + Experience Compression 的 $L_1$→$L_2$ promotion [2604.15877]。
设想：MCMA 的 Mix Copilot 已证明跨域训练数据有正则化效果。如果在 Copilot 的训练目标中增加 "when domain similarity drops below threshold, auto-promote memory to higher compression level" 的 reward signal，可实现 Experience Compression 设想的 adaptive cross-level routing，且利用 MCMA 已有的 DPO 训练基础设施。
灵感来源：综述的海马体–新皮层巩固机制（离线重播）[2512.23343] + Experience Compression 的 "idle-time consolidation 未被任何系统实现" 观察 [2604.15877]。
设想：在 agent 空闲时（无新 task arrival），触发 background consolidation process：将 $L_1$ episodic memories 中高频出现的 pattern 上推为 $L_2$ skills（类比海马体→新皮层的睡眠期重播）。可用 MCMA 的 summarization + reflection dual-copilot 架构作为 consolidation engine，MemSkill 的 designer 作为 pattern discovery 模块。这直接实例化了综述的认知科学映射但目前无系统实现。