利用记忆：对记忆代理中记忆基质的整体评估

内存正在成为长期 LLM 代理的核心基础设施，但现有的评估对于在不同的操作机制下应使用哪种内存基底（即表示和存储内存的底层介质）提供的指导有限。我们提出了一种用于记忆增强代理的记忆基底的受控评估，涵盖密集和稀疏索引、文本记录、结构存储、分层存储、基于细化的记忆、参数更新和激活兼容的上下文机制。在三个骨干模型和四个基准套件中，涵盖以用户为中心的问答和以代理为中心的决策，我们在统一的工具下测量了 26 个性能和效率指标。我们的结果表明，没有单一的基质始终占据主导地位：广泛的检索有利于长上下文事实质量保证，而过度检索可能会通过将注意力从关键行动上下文上转移而损害顺序决策。可扩展性引入了进一步的布线轴，因为在中等历史长度下表现良好的基板在较长的时间范围内可能会变得昂贵或脆弱。这些发现促使基质路由成为自适应智能体记忆系统的必要组成部分，并为 LLM 智能体设计高效、可靠和状态感知的长期记忆提供经验指导。代码将在接受后提供。