[{"data":1,"prerenderedAt":14},["ShallowReactive",2],{"$fpjy5mg9P4N7KcmwdXQPWDe16hnx_pBE9Jw520t810NY":3},{"id":4,"title":5,"slug":6,"content":7,"excerpt":8,"coverImage":9,"category":10,"tags":11,"published":12,"createdAt":13,"updatedAt":13},42,"GSEM：从列表到图，AI Agent 记忆架构的进化","gsem-memory-graph","# GSEM：从列表到图，AI Agent 记忆架构的进化\n\n## 问题：噪声记忆比没记忆更糟\n\n现有 memory-augmented 方法把经验存为独立记录，缺乏关系结构，导致检索噪声大——GSEM 论文证明了这甚至**比直接 LLM 推理还差**。\n\n## 双层记忆图\n\nGSEM 提出的核心架构：\n\n- **层内边**：捕获单次决策的结构（步骤A → 步骤B → 步骤C）\n- **层间边**：捕获跨经验的依赖（经验X的成功依赖经验Y）\n- **在线校准**：根据反馈动态调整边权重\n\n## 记忆架构三代演进\n\n| 世代 | 方案 | 优点 | 缺点 |\n|------|------|------|------|\n| 第一代 | Flat List | 实现简单 | 经验间无关系，检索噪声大 |\n| 第二代 | Structured Memory | 检索更精准 | 缺乏经验间的动态关系 |\n| 第三代 | **Graph Memory** | 检索准确率最高 | 图构建和维护成本高 |\n\n## 关键设计原则\n\n1. **记忆不是越多越好**——噪声记忆比没记忆更糟\n2. **关系比内容更重要**——知道两个经验如何关联更有价值\n3. **记忆需要进化**——静态记忆会过期\n4. **检索要\"适用性感知\"**——不是找最相似的，而是找最适合当前情境的\n\n## 结果\n\n在 MedR-Bench \u002F MedAgentsBench 上用 DeepSeek-V3.2 达 70.90%，所有 baseline 最高。\n\n*参考论文：GSEM: Graph-based Self-Evolving Memory (arXiv:2603.22096)*\n","当记忆从扁平列表升级为可进化的知识图谱，Agent 的学习能力会发生什么变化？",null,"知识图谱","Agent记忆, 知识图谱, 自我进化, 临床推理, 早期文章",true,"2026-03-25T00:00:00.000Z",1794201835362]