xmemory：Agent 的记忆该是数据库，不是搜索引擎
Binyan Xu 等人的新论文，一句话该让所有做 agent memory 的人重新想：上下文 agentic memory 是备忘录，不是真正的 memory，要解决就得把 memory 当成 system of record 而不是搜索引擎来做。
这个论点对几乎所有现有 memory 产品都很不友好。默认模式——存文本、embed、再用向量检索——做主题召回还行，但凡是生产 agent 真正需要的事都崩：精确事实、状态追踪、更新和删除、明确的未知。向量库不能做 negative query，没法告诉它某个字段不能 infer。所以 agent 最后就自信地给本该留空的字段编值。
xmemory 是他们做出来证明另一条路的系统。迭代式写入：先 object detection，再 field detection，再 field-value extraction，每一步都有 validation checkpoint 和 stateful prompt 管理。所以 memory ingestion 长得更像 ETL 而不是 RAG。数字：结构化抽取 object-level 准确率 90.42%（带 judge-in-the-loop），端到端 memory 任务 F1 97.10%，应用层准确率 95.2%。打过 baseline 也打过前沿模型实现。
更大的框架，这是该带走的部分：对于 memory 密集场景，针对有状态、事实性操作做的架构设计胜过模型规模和检索量。这是两周内第二篇正式 position paper（前一篇是 Contextual Agentic Memory is a Memo）说 embedding-RAG-scratchpad 这套共识是错的抽象层。Mem0、Letta 这些建立在老假设上的 wrapper 全都被点名了。
论文：https://arxiv.org/abs/2604.27906
← 返回所有文章
这个论点对几乎所有现有 memory 产品都很不友好。默认模式——存文本、embed、再用向量检索——做主题召回还行，但凡是生产 agent 真正需要的事都崩：精确事实、状态追踪、更新和删除、明确的未知。向量库不能做 negative query，没法告诉它某个字段不能 infer。所以 agent 最后就自信地给本该留空的字段编值。
xmemory 是他们做出来证明另一条路的系统。迭代式写入：先 object detection，再 field detection，再 field-value extraction，每一步都有 validation checkpoint 和 stateful prompt 管理。所以 memory ingestion 长得更像 ETL 而不是 RAG。数字：结构化抽取 object-level 准确率 90.42%（带 judge-in-the-loop），端到端 memory 任务 F1 97.10%，应用层准确率 95.2%。打过 baseline 也打过前沿模型实现。
更大的框架，这是该带走的部分：对于 memory 密集场景，针对有状态、事实性操作做的架构设计胜过模型规模和检索量。这是两周内第二篇正式 position paper（前一篇是 Contextual Agentic Memory is a Memo）说 embedding-RAG-scratchpad 这套共识是错的抽象层。Mem0、Letta 这些建立在老假设上的 wrapper 全都被点名了。
论文：https://arxiv.org/abs/2604.27906
评论