ICML 论文实测基于文件系统的 Agent 记忆机制

一项入选 ICML 的最新论文系统性探索了基于文件系统（如 Markdown 目录树）的 LLM 智能体长期记忆机制。随着将记忆存储为文件由 Agent 自行管理成为默认做法，研究实测了该机制在记忆不断积累、冲突和过时情况下的可持续性。结果表明，这种文件系统记忆方式不仅能保持存储的有效性，还能将智能体的检索成本大幅降低一半。

2026-07-31 ~ 2026-07-31 · 2 条相关

• ICML 论文实测:文件系统记忆让 Agent 检索成本减半 — dair_ai · 2026-07-31
• 论文：基于文件系统的 LLM Agent 记忆机制与可持续性研究 — Sizhe Zhou · 2026-07-31