Agent Memory Systems: From Fixed Pipelines to Learnable Cognitive Skills #

§1 主题缘起 #

2025–2026 年间，agent memory 领域出现了一次范式级转向：记忆管理从人工设计的固定流水线走向数据驱动的可学习系统。这一方向同时整合了 agent 运行时架构和训练算法两个维度的创新，是一个天然跨 category 的前沿研究聚落。

驱动力来自三个方向的汇聚。首先，现有 agent memory 依赖手工设计的静态操作原语（add/update/delete/skip），面对交互模式多样化和分布漂移时表现脆弱 [2602.02474]。其次，检索式 memory 的三重失配问题被系统识别：条目在写入时固化无法适应新 query 参数，无法判断"不提供 memory"是否为最优选择，且 always-on 生成存在 hallucination 风险 [2605.21463]。第三，认知神经科学的跨学科综述为这一技术转向提供了理论合法性——人类记忆的核心特征是 constructive reconstruction 而非 verbatim replay [2512.23343]。

与此同时，一个被长期忽视的社区隔离问题浮出水面：agent memory 社区和 agent skill 社区在解决同一个问题——从交互经验中提取可复用知识——但跨社区互引率不到 1% [2604.15877]。统一框架的缺失不仅导致重复造轮子，还阻碍了跨粒度的自适应经验压缩。

这一转向最新的延伸是把可学习记忆的对象从"交互经验"扩展到"外部上下文本身"。PEEK 提出 agent 反复查询同一个大型外部上下文（语料库、代码仓库）时，应当缓存关于该上下文的可复用 orientation knowledge——它包含什么、如何组织、关键实体/常量/schema——以常量大小的 context map 常驻于系统提示词 [2605.19932]。它形式化了一个空白的设计象限：active × external-context——共享对话/压缩保存的是 agent 自身轨迹、RAG/offloading 保存的是对原始材料的被动访问、prompt learning（ACE/Reflexion/GEPA）保存的是 task 级策略，没有任何方法主动维护"关于上下文的定向知识" [2605.19932]。这正是本 topic 所说的"从固定流水线到可学习认知技能"在记忆对象维度上的又一次拓展：PEEK 的 map 不是 hand-crafted，而是由一个 programmable cache policy 从执行轨迹自动生长 [2605.19932]，恰好填补了检索式 memory 因写入时固化、无 abstention、always-on hallucination 而留下的空缺 [2605.21463]。

本 topic 覆盖了这一转向中的七项关键工作：一篇奠定认知科学基础的综述、三个提出不同可学习 memory 范式的系统、一个统一 memory/skill/rule 的元框架、一个实现了完整 skill 生命周期管理的工程系统，以及一个把可学习记忆指向"外部上下文定向知识"的 orientation cache。它们分别从理论基础、训练算法设计、系统工程，以及记忆对象的重新定义四个层面推进了 agent memory 的可学习化进程。

§2 覆盖的 category 分布 #

所有七篇论文的核心问题域在 agent category（记忆系统设计、skill 管理、运行时架构）。但三个可学习 memory 系统的核心创新同时深入 algorithm category：MemSkill 的 variable-size action space 上的 Top-K without-replacement RL policy [2602.02474]、MCMA 将记忆管理建模为 offline DPO 的偏好学习问题 [2601.07470]、Mem-π 的 decision-content decoupled policy optimization [2605.21463]——这三项均为训练算法层面的创新，而非仅仅是 agent 架构的重组。

PEEK 不进入 algorithm category：它的 cache policy（Distiller/Cartographer/Evictor）是 prompted LLM 调用而非可训练模型，全文无形式化证明、纯实证 [2605.19932]。它的贡献因此落在 agent 一侧，但引入了一个本 topic 此前没有的记忆维度——记忆对象不是交互轨迹或经验条目，而是关于外部上下文的定向知识，常量大小、常驻提示词 [2605.19932]。其 tag（long-context, context-engineering, cache-policy, prompt-learning）也把本 topic 与长上下文/上下文工程方向缝合在一起。

MUSE-Autoskill 涉及 code category 的边缘——其 skill 以结构化代码包（SKILL.md + scripts/ + tests/）的形式存在 [2605.27366]，但主体贡献仍在 agent 生命周期管理。

§3 时间线 #

三个可学习 memory 系统（MCMA、MemSkill、Mem-π）在 2025 年 1–5 月间独立涌现，互不引用 [2601.07470]，形成了一次自发的范式转向。PEEK 则在一年后从一个不同的入口（长上下文/上下文工程）汇入同一主题，把"可学习地管理记忆"从交互经验扩展到外部上下文本身 [2605.19932]。

§4 Evolution timeline (技术谱系) #

技术谱系要点：

• 根源分叉：认知科学的 constructive reconstruction 理论 [2512.23343] 同时启发了三条可学习路径，但三者选择了不同的学习范式——RL policy (MemSkill)、offline preference learning (MCMA)、online RL with structured exploration (Mem-π)。

• 固定流水线 → 可学习系统：MemGPT/MemoryOS 的 add/update/delete 原语是 MemSkill 和 MCMA 的共同起点。MemSkill 保留了原语的显式性但让其集合可学习 [2602.02474]；MCMA 完全将操作内化为模型参数 [2601.07470]。

• RAG → 生成式 memory：Mem-π 代表了从"检索历史条目"到"基于历史生成新指导"的范式转换 [2605.21463]，直接呼应了 AI Meets Brain 综述中 contextual augmentation → parameter internalization 的演进方向 [2512.23343]。

• RAG / prompt-learning → orientation cache：PEEK 从另一条支线汇入——它把 RAG 的"被动访问原始材料"和 prompt learning 的"task 级 playbook"都判定为保存了错误的对象，转而主动维护关于上下文的定向知识 [2605.19932]。与三个可学习系统不同，PEEK 的 cache policy 不经训练，是 prompted LLM 调用从轨迹自动生长 map [2605.19932]，但它与 MCMA/Mem-π 共享"让模型（或模型派生策略）自己管理记忆优于启发式"的共同底色 [2605.19932]。

• 交汇点：MemSkill 的"可进化 skill bank"概念与 MUSE-Autoskill 的"skill 生命周期"概念在"skill 作为可进化资产"上交汇，但作用域不同——前者面向 memory 操作，后者面向 task 执行 [2602.02474]。PEEK 则在"记忆对象"维度上分叉：三个系统抽象的是交互轨迹/经验，PEEK 缓存的是关于外部上下文的定向知识，且明确论证保存轨迹本身是错误对象、甚至有害 [2605.19932]。

§5 技术线交错 #

Agent 架构设计制约训练算法选择 #

Memory management 的可学习化需要跨 agent 和 algorithm 两个 category 协同推进。三个系统选择了迥异的训练范式，直接受制于各自的架构设计决策：

• MemSkill 的 controller 是轻量 MLP（非 LLM），executor 是冻结 LLM，两者 compute profile 互不干扰 [2602.02474]。这使得 PPO 训练只需优化小网络参数，成本可控——但也意味着 controller 的表达力受限于 MLP 的 representation capacity，无法捕捉复杂的 skill 交互效应 [2602.02474]。

• MCMA 将 Memory Copilot（Qwen3-4B）作为独立可训练模型，Task Model（Qwen3-8B/32B）完全冻结 [2601.07470]。这种解耦使得 DPO 训练不需要环境交互——只需离线构造偏好对。训练成本低，但无法学到"什么 guidance 实际帮助了 agent"的在线反馈 [2601.07470]。

• Mem-π 的 Stage 2 RL 每步需要 agent 完整执行环境 rollout [2605.21463]，训练成本是 MCMA 的 10–100× [2605.21463]。这是因为其 reward 信号必须来自 agent 在注入 memory 后的真实任务成功率——architecture 选择了端到端生成式 memory，就必须用端到端的 reward 来训练。

推理时信号 vs 训练时奖励：PEEK 的无训练管理策略 #

PEEK 给出了与上述三者正交的第四种选择：完全不训练。它的 cache policy 是三个 prompted LLM 调用，全部运行在执行轨迹（reasoning/action/observation log）之上、无需 ground truth——Distiller 诊断轨迹中 orientation vs task-specific 的花费并给 map 条目打 helpful/harmful/neutral/stale 标签，Cartographer 把诊断翻成最小结构化编辑（ADD/DELETE/REPLACE），Evictor 在硬预算 B 下淘汰 [2605.19932]。这绕开了制约前三者的 agent×algorithm 耦合：没有 reward、没有偏好对、不需要环境 rollout。代价从训练时转移为一笔每次查询后的维护税（总成本的 6.2–17.9%，Distiller 约占 ⅔）[2605.19932]，且可在 m=1 次查询后冻结 map 以摊销 [2605.19932]。

PEEK 自己的"核心技术壁垒"恰好也落在架构边界上：把抽取（Distiller）与编辑（Cartographer）分离是 load-bearing 设计——把两者合并为单次 LLM 调用（Monolithic Update）平均掉 −7.7%，而 naive 的 runtime full-swap 掉 −14.86% [2605.19932]。这与三个训练系统的工程取舍互为镜像：它们把"如何学好"放在训练算法里，PEEK 把"如何抽得准"放在推理时的模块契约里。

认知科学框架启发系统设计但留下关键盲区 #

AI Meets Brain 综述的 extraction→updating→retrieval→utilization 闭环 [2512.23343] 为后续系统提供了概念骨架，但三个关键盲区被后续系统暴露：

1. Abstention 缺失：闭环暗示 agent 应对所有交互执行记忆管理，但 Mem-π 发现在简单任务上最优 memory action 是不提供 memory [2605.21463]——闭环框架没有为"选择性忽略"提供一等公民地位 [2512.23343]。
1. Compression 粒度未建模：综述的 nature×scope 二维分类缺少压缩粒度维度，Experience Compression Spectrum 通过定义从 raw trace 到 declarative rule 的四级压缩层级弥补了这一缺失 [2604.15877] [2512.23343]。
1. "Memory 如何学习"未触及：综述覆盖了"记什么"和"如何管理"，但完全未讨论"记忆管理本身如何学习"。PPO、DPO、decoupled GRPO 三条训练路径均在综述发表后涌现 [2512.23343]。
1. 记忆对象局限于交互经验：综述的 nature×scope 隐含地把记忆对象设为 agent 自身的交互产物。PEEK 指出还有一类正交对象——关于反复查询的外部上下文的定向知识——既不是轨迹也不是检索条目，并把它形式化为 active×external-context 空白象限 [2605.19932]。

Skill 生命周期管理跨越 agent 与 code 边界 #

MUSE-Autoskill 将 skill 从行为描述升级为结构化代码包（SKILL.md + scripts/ + tests/），其 unit-test gating 机制要求每个 skill 在注册前必须通过自动化测试 [2605.27366]。这把 agent skill 管理推向了软件工程实践——创建、版本控制、测试、退役的流程与传统 code 资产管理高度同构。但 skill 创建者同时生成 tests，构成了"generator writes its own exam"的 verifier 问题 [2605.27366]。

---

§6 共识与分歧 #

共识 #

共识 1：固定记忆操作是根本瓶颈。全部七篇论文一致认为手工设计的 memory pipeline 无法适应 agent 面临的多样化交互场景。MemSkill 明确列出刚性、粒度受限、不可演化三个核心缺陷 [2602.02474]；MCMA 将其归因于 abstraction reuse dilemma [2601.07470]；Mem-π 识别了静态检索条目在参数化任务中的失配 [2605.21463]；Experience Compression Spectrum 用 <1% 跨社区互引率佐证了研究社区对此问题的碎片化应对 [2604.15877]；PEEK 则论证 shared chat/RAG/compaction/prompt-learning 各自保存了错误的对象、并主张 map 必须自动生长而非 hand-crafted [2605.19932] [2605.19932]。

共识 2：Memory 管理应从 task execution 中解耦为独立模块。四个系统不约而同把记忆管理与任务执行分离：MCMA 的 4B Copilot 服务 8B/32B Task Model [2601.07470]，Mem-π 的 7B $\pi_{\text{mem}}$ 辅助 frontier model agent [2605.21463]，MemSkill 的轻量 MLP controller 与冻结 LLM executor 分离 [2602.02474]，PEEK 的 cache policy 是一个在每次查询后独立运行、更新下次查询所用 map 的进程 [2605.19932]。区别在于前三者的独立模块是经训练的小模型，PEEK 的独立模块是未经训练的 prompted LLM 调用 [2605.19932]——解耦是共识，是否需要训练则是分歧。

共识 3：可学习 memory 系统支持跨模型迁移。系统均展示了产出可迁移到不同 backbone：MemSkill 的 skill bank 从 LLaMA 迁移到 Qwen 仍然 competitive [2602.02474]；MCMA 的 Copilot 迁移到 GPT-4o-mini 获得 +20.71% 提升 [2601.07470]；Mem-π 的 7B memory model 用于 gpt-5.4-mini 获得 3.7× RAG 的增益 [2605.21463]；PEEK 的增益在不更改算法或 prompt 的情况下跨 base LM（GPT-5-mini→GPT-5.5、Qwen3-Coder-Next-FP8）以及不同 backbone agent（RLM→生产级 OpenAI Codex）保持 [2605.19932]。

共识 4：模型自身的语义判断优于启发式/统计管理。MCMA/Mem-π 用学到的策略替代手工原语，PEEK 的 Distiller 用 LLM 对轨迹分类打标而非用 attention-score 或频率启发式淘汰 [2605.19932]，二者共享"让模型管理自己的上下文"这一底层范式 [2605.19932]。

分歧 #

分歧 1：记忆保存的对象是什么。这是 PEEK 引入的新分歧轴。MemSkill/MCMA/Mem-π 抽象的是 agent 的交互经验（操作序列、偏好、生成式指导）；PEEK 缓存的是关于外部上下文的定向知识——上下文包含什么、如何组织、关键常量/schema [2605.19932]——并明确论证保存 agent 自身轨迹（shared chat/compaction）是错误对象、甚至有害 [2605.19932]。检索式 memory 保存的是写入时固化的条目 [2605.21463]，PEEK 保存的是有损蒸馏、丢弃 task-specific 规则的常量大小工件 [2605.19932]。三类对象（轨迹/经验条目/上下文定向知识）各自最优的管理策略并不相同。

分歧 2：显式 skill 描述 vs 参数化策略（symbolic vs neural）。MemSkill 保留了 memory 操作的显式性——skill 以自然语言 description 存在，可被人类审计、手动编辑、选择性迁移 [2602.02474]。MCMA 和 Mem-π 将记忆管理完全参数化为模型权重，更强大但完全不透明 [2602.02474]。PEEK 站在 symbolic 一侧但走得更远：map 是带稳定 item ID 的人类可读结构化文本，编辑保持局部可追踪 [2605.19932]，管理逻辑也未固化进权重。这反映了 AI 系统设计中经典的 symbolic vs neural 张力，在 agent memory 领域尚无明确胜者。

分歧 3：训练范式的根本选择，以及"是否需要训练"。三条训练路径之间存在不可调和的 trade-off，而 PEEK 提出了第四种立场——根本不训练：

系统	范式	信号来源	优势	代价
MemSkill	Online PPO	在线 reward	实时 reward 反馈	RL 在稀疏 reward 下不稳定 [2602.02474]
MCMA	Offline DPO	离线偏好对	训练成本低、无需环境交互	无法学到部署分布下的在线反馈 [2601.07470]
Mem-π	SFT + Decoupled GRPO	在线任务成功率	最精细的 decision-content 分离	每 RL step 需完整环境 rollout，成本极高 [2605.21463]
PEEK	无训练（prompted policy）	推理时轨迹信号，无 ground truth	零训练、跨 backbone 即插即用	每查询 6.2–17.9% 维护税、纯实证无保证 [2605.19932]

按部署便利性排序，PEEK 与 MCMA 位于易部署一端（前者零训练、后者离线训练），Mem-π 因每步 rollout 位于最重一端 [2601.07470] [2605.19932]。

分歧 4：是否需要 abstention 机制。Mem-π 的核心发现是在简单任务上约七成情况 abstention 是最优选择，SR improvement 仅 +1.3 pp [2605.21463]。MemSkill 对每个 span 无差别地应用 Top-K skills，没有"不处理"的选项 [2602.02474]。MCMA 在无匹配时迁移 Copilot 本身——即使不确定也尝试提供 guidance [2601.07470]。PEEK 没有 query 级 abstention，但通过 Distiller 的 helpful/harmful/neutral/stale 标签和 Evictor 的预算淘汰，对写入内容做选择性保留——丢弃 task-specific 与有害条目 [2605.19932]，是一种"内容级"而非"动作级"的克制。分歧的本质是对 memory 的 default stance：Mem-π 认为 default 应是沉默，MemSkill/MCMA 认为 default 应是尝试帮助，PEEK 则认为总要维护一份 map、但要严格筛掉不可迁移的内容。

分歧 5：Memory 输出的结构化程度。MCMA 在四种结构原语（text/kv/chain/tree）间选择 [2601.07470]，MemSkill 通过 skill bank 生成结构化 memory updates [2602.02474]，Mem-π 生成自由文本 guidance（≤256 tokens）[2605.21463]，PEEK 用固定 5 段 schema（2 默认 + 3 可选）+ 稳定 item ID 的常量大小 map（默认 B=1024 tokens）[2605.19932]。结构化表示的优势在于可组合性与可定位编辑——MemSkill 的 Top-7 skills 在 200-doc 设置下持续提升性能 [2602.02474]，PEEK 的 stable-ID schema 让 ADD/DELETE/REPLACE 编辑保持局部 [2605.19932]，而 Mem-π 的单条 256 token guidance 可能在复杂任务上表达力不足 [2605.21463]。

---

§7 Open challenges (根本性困难) #

Challenge 1：自适应跨层级压缩——missing diagonal #

所有现有系统固定在单一压缩层级操作 [2604.15877]。Experience Compression Spectrum 识别了三个缺失能力：自适应选择压缩层级、向上推动知识（低层到高层）、以及向下回退知识（高层工件失败时降级）[2604.15877]。

为何是根本困难：跨层级 routing 需要一个 meta-controller 在无标注信号的情况下判断"这段经验应该被压缩到哪个层级"。不同层级的 reward 信号不可直接比较——episodic memory 的价值体现为 retrieval relevance，procedural skill 的价值体现为 task success rate，declarative rule 的价值体现为跨任务泛化性 [2604.15877]。需要统一的 utility metric 或 multi-objective RL formulation，目前无人尝试。

需要协同的 category：agent（运行时路由架构）+ algorithm（multi-objective RL 或 bandit formulation）。MemSkill 的 variable-size action space + PPO 设计是潜在 building block [2604.15877]，但需从单层级内部路由扩展到跨层级路由。

预估难度：2–3 年。

Challenge 2：Agent memory 安全——无人防御的攻击面 #

AI Meets Brain 综述系统化了 extraction/poisoning/retrieval defense/response defense/privacy defense 五大类攻击 [2512.23343]，但所有三个可学习 memory 系统均未讨论安全问题 [2512.23343]。可学习化引入了新的攻击向量：

• MemSkill：攻击者可通过构造恶意 interaction trace 污染 hard-case buffer，诱导 Designer 进化出恶意 skill [2602.02474]。
• MCMA：层次化记忆库如果被注入恶意轨迹，Copilot 可能将其抽象为"高层级策略"并跨任务传播 [2601.07470]。
• Mem-π：参数化后的恶意 memory 无法通过"删除某条记录"来修复，训练数据 poisoning 的危害不可逆 [2605.21463]。
• PEEK：Distiller 从轨迹无 ground-truth 地提取 cache candidates [2605.19932]，一段精心构造的轨迹可诱导其把误导性"定向知识"写入常驻 map，且该 map 注入每次后续查询的系统提示词，污染会跨 query 复利 [2605.19932]。

为何是根本困难：安全防御不应是事后补丁——需要在 extraction 阶段就有 adversarial filtering，在 retrieval 阶段有 provenance verification [2512.23343]。但当前所有系统的管理循环中都没有对抗性鲁棒性约束，加入后会显著增加复杂度并降低 signal quality。

预估难度：3–5 年。

Challenge 3：统一评测协议缺失 #

三个可学习 memory 系统在不同 backbone、不同超参下报告结果，无法直接比较 [2601.07470]。MemSkill 评测于对话记忆（LoCoMo, LongMemEval）[2602.02474]；MCMA 评测于确定性文本环境（ALFWorld, ScienceWorld）[2601.07470]；Mem-π 评测于真实网页环境（WebArena）[2605.21463]；PEEK 评测于 OOLONG 与 CL-bench 两类长上下文/上下文学习任务 [2605.19932]。PEEK 的"被拒 benchmark"分析本身放大了这一缺口：它弃用 BrowseComp-Plus/FanOutQA（per-task 证据近乎不相交）与 QuALITY（上下文太短无需缓存），并据此呼吁建立"在单一持久上下文上原生提出大量难题"的 benchmark [2605.19932] [2605.19932]。

为何是根本困难：标准化 benchmark 需要固定 Task Model、固定环境 split、报告 wall-clock 和 token cost，但不同方法对环境交互的需求截然不同（MCMA 不需要环境交互，Mem-π 的每个 RL step 都需要完整 rollout，PEEK 是 inter-query 复用且对 workload shape 敏感），统一 cost metric 与统一 workload 形态本身就是未解问题。

预估难度：1–2 年（工程主导，但需社区协调）。

Challenge 4：Memory 管理的持续在线适应 #

所有三个训练系统在训练后模型即冻结，缺乏部署后持续改进能力。MCMA 的 DPO 训练是一次性的 [2601.07470]，Mem-π 训练后 $\pi_{\text{mem}}$ 固化 [2605.21463]。仅 MemSkill 的 Designer 提供了有限的进化能力，但 Designer 本身不接受 online reward [2602.02474]。PEEK 的 map 是 inter-query 在线生长的——m=n 时每次查询都更新 map [2605.19932]，但实践中常在 m=1 后冻结以摊销维护成本 [2605.19932]，且 map 仅在单一持久上下文内积累、不跨 session 持久化 [2605.19932]，因此仍不是真正的长期持续适应。

认知科学中的 memory reconsolidation——检索本身改变记忆痕迹——是一个关键但无系统实现的启示 [2512.23343]。Idle-time consolidation（agent 空闲时执行离线巩固）也从未被实现 [2604.15877]。

预估难度：2–3 年（需要解决 catastrophic forgetting）。

---

§8 成熟度判断 #

整体成熟度：Research-frontier，加速中 #

Agent memory 的可学习化在 2025–2026 年处于研究前沿的快速扩展阶段。三个可学习系统均发布于 2025 上半年，互不引用，说明这是一个自发涌现的方向而非单一团队推动的路线 [2601.07470]。PEEK（2026-05）从长上下文/上下文工程支线汇入，进一步把可学习记忆扩展到外部上下文对象 [2605.19932]，显示该主题仍在向外吸纳相邻方向，而非收敛。

分项评估 #

维度	评估	证据
方法多样性	高	三条训练路径（PPO/DPO/GRPO）+ 一条无训练 orientation-cache 路径同时存在 [2601.07470] [2605.19932]
实证验证	中	各自在不同 benchmark 上显著提升（MemSkill +62.8% LongMemEval [2602.02474], MCMA +27.85% ALFWorld [2601.07470], Mem-π +59% WebArena [2605.21463], PEEK +6.3–34.0% OOLONG [2605.19932]），但缺乏 head-to-head 对比
代码开放度	低	三个训练系统截至 2026-06 均未公开完整实现 [2601.07470]；PEEK 仅给出 code handle 但 ingest 材料无 file:line 级实现 [2605.19932]
商业部署	极低–中	MUSE-Autoskill 提及 production 部署但未公开数据 [2605.27366]；PEEK 展示 small GPT-5-mini + PEEK 在 CL-bench leaderboard 上可与 frontier 模型竞争，且无改动迁移到生产级 Codex [2605.19932]
理论基础	中	认知科学综述提供跨学科理论支撑 [2512.23343]，但无形式化收敛保证或 regret bound；PEEK 亦明确为纯实证、无保证 [2605.19932]
安全性	低	综述系统化了威胁模型，但所有系统论文均未实现任何安全防御 [2512.23343]

趋势方向：加速中 #

Evidence：

1. 三个训练系统在 5 个月内独立涌现，说明问题意识已普遍
2. Experience Compression Spectrum 的"missing diagonal"概念被后续论文（Library Drift）显式采纳 [2604.15877]
3. MUSE-Autoskill 的 production 系统表明工业界已在跟进
4. AI Meets Brain 的分类体系被广泛引用作为 positioning anchor [2512.23343]
5. PEEK 的跨 backbone 可移植性对一个全新范式而言异常之强（RLM→Codex、GPT-5-mini→Qwen3-Coder 无需改算法）[2605.19932]，表明该方向正吸引新入口的工作

尚未出现 dead-end 信号或 migrating 信号——所有路径都展示了正面结果，处于并行发展阶段。

---

§9 邻接 topic #

Self-evolving agents #

MemSkill 的 closed-loop skill evolution（Designer 从 hard cases 进化 skill bank）[2602.02474] 和 MUSE-Autoskill 的 5 阶段生命周期 [2605.27366] 与 self-evolving agents topic 高度重叠。边界区分在于：本 topic 聚焦"memory/skill 如何学习管理经验"，self-evolving agents topic 聚焦"agent 如何整体性地自我改进"。两者在 MemSkill 的 Designer 和 MUSE 的 Refiner 上产生交集。

RL for agent optimization #

三个系统使用的 PPO [2602.02474]、DPO [2601.07470]、Decoupled GRPO [2605.21463] 均为 RL/alignment 训练方法。RL for agent optimization topic 关注训练算法本身的创新（如 Mem-π 的 structured counterfactual rollout 和 $\Delta$-gating），本 topic 关注这些算法在 memory management 上的应用。技术线在 algorithm category 上交叉。

Long-context / context-engineering #

PEEK 把本 topic 与长上下文/上下文工程方向缝合在一起：它的动机底座是"输入长度本身即使在完美检索下也损害推理"，常量大小常驻 map 是 retrieve-then-solve 在 agent-loop 上的类比 [2605.19932]，其 tag 直接包含 long-context / context-engineering / cache-policy。本 topic 关注"记忆作为可学习认知技能"，长上下文 topic 关注"如何在窗口约束下保持推理质量"；两者在 PEEK 的 orientation cache 上交汇——map 既是一份记忆工件，也是一种上下文管理策略 [2605.19932]。

Agent skill governance #

Experience Compression Spectrum 的 lifecycle gap 发现 [2604.15877] 和 MUSE-Autoskill 的 unit-test gating [2605.27366] 与 skill governance topic（涵盖 SLIM、Library Drift 等同期工作）密切相关。两个 topic 在"如何管理可复用知识工件的生命周期"上共享问题域，但 skill governance 更聚焦于 retirement/pruning 策略，本 topic 更聚焦于 learning/acquisition 策略。

潜在 topic 合并或分裂 #

• 合并候选：本 topic 与 "self-evolving agents" 的 memory 维度存在 60%+ 重叠，若后续出现更多同时学习 memory 和 task skill 的统一系统，可考虑合并。
• 分裂候选：若 Mem-π 的 abstention routing 或 PEEK 的 orientation-cache 范式各自催生出独立子方向（"adaptive memory routing" / "external-context orientation memory"），可从本 topic 分裂为独立 topic。

---

§10 参考 #

Entity	Categories	Role in topic	Key contribution
[2602.02474] MemSkill	agent, algorithm	可学习 memory 范式之一	RL-trained skill bank + Designer evolution, variable-size Top-K without-replacement policy
[2602.02474] MemSkill L3	agent	范式定位与竞争分析	三范式比较（Learn to Abstract / Select / When & What），symbolic vs neural 张力分析
[2601.07470] MCMA	agent, algorithm	可学习 memory 范式之一	DPO-trained Memory Copilot, multi-structure abstraction, continuous α parameter
[2601.07470] MCMA L3	agent	跨模型迁移验证	Copilot 本身可跨域跨模型迁移，deployment 便利性最高
[2605.21463] Mem-π	agent, algorithm	可学习 memory 范式之一	生成式 memory policy, calibrated abstention routing, decision-content decoupled GRPO
[2605.21463] Mem-π L3	agent	端到端生成范式分析	Memory as independent generative policy, 训练成本 vs 适应性 trade-off
[2512.23343] AI Meets Brain	agent	认知科学理论基础	Nature×scope taxonomy, management closed loop, security threat model
[2512.23343] AI Meets Brain L3	agent	框架完备性分析	Taxonomy 不完备（缺 compression 和 generative reconstruction 维度），安全与设计脱节
[2604.15877] Experience Compression	agent	统一元框架	Compression spectrum 统一 memory/skill/rule, missing diagonal 定义, <1% 互引率发现
[2604.15877] Experience Compression L3	agent	概念统一价值评估	Framework without implementation, missing diagonal 尚未被任何系统填补
[2605.27366] MUSE-Autoskill	agent	Skill 生命周期工程	5-stage lifecycle, unit-test gating, self-generated skills > human skills, cross-agent transfer
[2605.27366] MUSE-Autoskill L3	agent	生命周期竞争格局	Creation-first vs retirement-first 路径分化，production 部署信号
[2605.19932] PEEK	agent	外部上下文定向缓存范式	Constant-size context map + Distiller/Cartographer/Evictor cache policy, 填补 active×external-context 象限
[2605.19932] PEEK L3	agent	记忆对象新轴定位	Orientation knowledge about context（非轨迹/非条目）, 跨 backbone 可移植性, model-managed-context 共识