U-Mem：自主知识获取与记忆管理¶

保真度：本地实现成本感知的分级获取、语义检索、Thompson sampling 和记忆验证；当前 mini-suite 不包含论文使用的真实 LLM、HotpotQA 或 AIME 推理。

论文信息¶

字段	内容
论文链接	Towards Autonomous Memory Agents（arXiv 2602.22406）
公司 / 机构	National University of Singapore
首次公开日期	2026-02-25
原作者代码	匿名审稿仓库
本地 adapter / 方法键	`u-mem`
本地复现代码	`src/auto_research/agent_research/`

原始论文总结¶

背景与主要改动¶

传统 Agent 记忆通常被动写入和检索，缺少“当前知识不够时主动去哪里找”的决策。 U-Mem 将获取过程建模为成本递增的级联：先尝试 self/teacher，再做工具研究，最后请求 expert；检索结合语义相似度与 Thompson sampling，并在写回前验证和整理记忆。

flowchart LR
    Q["Task + current memory"] --> C["Confidence check"]
    C --> S["Self / teacher"]
    S --> V{"Validated?"}
    V -- "否" --> T["Tool research"]
    T --> V
    V -- "仍失败" --> X["Expert"]
    V -- "是" --> M["Curated memory"]
    M --> A["Answer / action"]

原论文关键图¶

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式与算法¶

记忆项的选择同时考虑语义相关性与不确定性探索，可概括为：

\[ s(m\mid q)=\lambda\,\mathrm{sim}(q,m) +(1-\lambda)\,\tilde p_m,\qquad \tilde p_m\sim\mathrm{Beta}(\alpha_m,\beta_m). \]

成功与失败反馈更新 Beta 后验；级联获取将额外知识收益与调用成本一起计入决策。

论文离线与线上效果¶

论文报告在 HotpotQA 上使用 Qwen2.5-7B 提升 14.6 points，在 AIME25 上使用 Gemini-2.5-Flash 提升 7.33 points。论文未报告生产线上 A/B。

本地复现¶

evomem-mini 覆盖 episode 内/跨 episode × knowledge/execution 四象限。实现记录每次检索、验证、升级和写入，低置信时从本地知识源升级到 tool research。

auto-research agent-eval --method u-mem \
  --benchmark evomem-mini --episodes 120 --seed 42

指标	Long-context	U-Mem
joint success	1.0000	1.0000
平均成本	64.5000	3.0500
最终 memory size	全历史	12

稳定指标见 agent-mini-suites-seed42.json。

复现边界¶

mini-suite 的知识源、专家和验证器都是确定性的，不包含真实搜索 API、模型幻觉或 token 成本。因此这里验证的是主动获取状态机与成本记账，不是 HotpotQA/AIME 分数复刻。