MemoProAgent（原 ProPerAgent）：记住什么，还要知道何时开口¶

component_only / L1 CPU 机制诊断。不是已接入 ProPerMem 的视频 Agent，也不是完整 GRPO 复现。

论文信息¶

字段	内容
论文链接	MemoProAgent: Toward Memory-Driven Proactive Assistance（v2）；v1 原名 ProPerAgent
公司/机构	一作 Shenglai Zeng；首列 Michigan State University，兼 Meta Reality Labs；团队包括 Meta Reality Labs、Meta Superintelligence Labs 等
首次公开日期	2026-10-15 21:40:17 UTC，arXiv v1；出现在 10-19 官方公告，不是 10-19 首发
当前论文版本	v2，2026-10-21 05:59:44 UTC；更名 MemoProAgent / MemoProBench 并在首页直接列代码与数据链接，不是新论文首发
原文开源代码	Meta 官方作者仓库 Memo-Pro-Agent 已公开 GPM 推理 / 评测 harness 及 GRPO reward / launcher 入口；核对固定 commit `8563e58d3106c8e0b3108bff64c04d00e1c8f095`（2026-10-22 00:48:15 UTC）。CC-BY-NC-4.0 为非商用源码许可，不是 OSI 开源许可；不等于完整论文训练与评测资产均已公开
本地 Adapter	无（`adapter: null`）；组件 key：`proper-agent`
本地复现代码	`src/auto_research/agent_research/proper_agent.py`；`scripts/run_oct19_evening_agent_components.py`

原始论文总结¶

背景与主要改动¶

主动助理没有用户提问：它必须从长期记忆找出干预的依据，并在正确时机只提醒一次。相关记忆不一定意味着应该打断用户。ProPerAgent 用情节—语义图组织记忆，根据当前物体做实体匹配、单跳关联及 Personalized PageRank，再由独立 LLM gate 保留值得干预的证据；生成器结合当前画面与已说过的话，决定发言或静默。训练阶段只优化生成器产生的 token，工具注入的证据 token 不参与策略梯度。方法 §5、附录 I

flowchart LR
    H[过去的带时间戳记忆] --> G[情节 / 语义图及来源]
    O[当前观察与物体] --> R[实体匹配 / 单跳 / PPR]
    G --> R
    R --> T[独立语义gate：证据或静默]
    O --> A[生成器：何时与说什么]
    T --> A
    A --> E[完整发言轨迹]
    E --> S[私有内容与触发窗口评分]

下图使用原始 PDF Figure 5，展示记忆检索、gate 与生成器；PDF Figure 8 是数据构建图，HTML 的中间子图会造成编号偏移，不能混用。

原论文关键图¶

原论文 Figure 5（关键图）：ProPerAgent 的观察、情节/语义记忆检索、gate 与生成器闭环。PDF Figure 5 才是方法图；Figure 8 是数据构建流程，不混淆二者。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¶

每步策略输出 \(r_t\in\{\varnothing\}\cup\mathcal A\)。主指标不是“曾经答对”，而是同时满足内容、时机与次数：

\[ \mathrm{Perfect}=I[k=1]\;I[t_s\le f_1\le t_e+\delta]\;I[\mathrm{Good}(a_{f_1})],\quad \delta=2\text{s}. \]

另报 Hit、提前、迟到、重复发言和每片段发言次数；应静默的负片段中，任何发言都是假触发。图传播使用实际重启随机游走 \(p_{k+1}=\alpha s+(1-\alpha)P^\top p_k\)，但不能用 open-loop 标志直接替代语义 gate。

论文结果与负结果¶

ProPerMem 包含 1,804 对视频—长期记忆，平均记忆约 618K token。窗口模式下，27B 模型的 RAG 基线 Perfect 为 7.0%，Harness 为 37.5%，加 GRPO 为 42.4%；Hit 并不意味着不会重复或提前提醒。论文的 oracle 内容/时机实验只是瓶颈分析上界，不是可部署能力。作者现已公开推理 / 评测代码，但相关历史数据仍需授权，本地未运行该官方数据评测，不能把 CPU fixture 改称“官方评测”。实验及完整表

本地复现与边界¶

PYTHONPATH=src python scripts/run_oct19_evening_agent_components.py \
  --methods proper-agent --seeds 42,43,44 --device cpu \
  --output runs/oct19-evening-agent/proper-agent.json

本地真实执行事实来源检查、未来时间过滤、归一化实体 embedding、图边/PPR、gate 引用接纳、因果发言序列和联合评分。embedding、事实抽取、语义 gate 与 actor 必须由调用方提供；CPU fixture 的 one-hot 向量和确定性回调只检查接口，不代表任何视觉或语言能力。图重启系数、hub 权重及排序取舍是公开可见的本地选择，论文未公开的系数不冒充原配置。

独立 scorer 持有触发窗口与内容判定；actor 只拿当前观察、gate 证据和过去发言，不拿 gold 记忆、窗口或 judge 结果。包含未来记忆、伪造来源、未知 judge 结果，以及“总是说出 oracle 内容”的评测端负对照，说明即使内容正确也会因重复而 Perfect 失败；负对照不进入被测 actor。未评分保留为未知，不剔除。Python 回调是受信任集成，不是恶意代码沙箱。

本地结果为三 seed 的合成机制诊断，不是正式多 seed 能力比较。输出含逐 seed 指标、fixture/source SHA256 与审计轨迹，拒绝覆盖；归档指标由统一收口生成。

v2 与作者源码发布范围更新（2026-10-22 核验）¶

旧记录“尚未找到官方实现”已过时：arXiv 官方版本历史明确 v1 为 10 月 15 日 21:40:17 UTC，v2 为 10 月 21 日 05:59:44 UTC。v2 标题为 MemoProAgent、benchmark 名为 MemoProBench，且首页已直接列出 Meta 官方代码与数据链接。v1 的“将在正式发表时公开”是历史声明，不代表 v2 现状。这是同一论文的版本事实更新，不是一次新首发或新算法交付。 本地稳定键、代码和文档目录继续使用 proper-agent，首次公开日期保留 v1。

Meta 的 Memo-Pro-Agent 当前固定提交已公开 GPM 推理 / 评测 harness；README 作者名单与本论文一致，并说明软件从 properagent 更名为 memoproagent。与此前核对的 5bf57aed9a865bc3489e5daa8040e243ec50fa85 逐文件比较，新增四次提交仅调整机构 banner、图片、README 和合规测试，没有新增算法、训练资产或开放数据。不能把这些维护更新再计为一个新实现。

按该提交的 README 数据与可复现性说明和数据指南，facebook/MemProBench 的800条 eval800 历史数据仍标注为 private、需要授权；Ego4D 源视频必须另行依其条款获取。公开 checkout 包含样本参考元数据，但不分发视频、完整历史文件或预构建图 / embedding 索引；索引需在具备授权数据和模型服务后构建，不能将参考答案直接当检索记忆。

仓库确有 memoproagent/rl/train_grpo.py 的 reward 插件和 MS-Swift 启动入口，不能写成“没有任何训练代码”。但这不等于公开了完整论文训练数据、后训练 checkpoint、基线实验矩阵或可直接重现论文数值的全套配方。作者 CPU Quick Start 也明确只用合成数据与 scripted backend 检查集成。此次只修正来源元数据与边界，没有运行、移植或验证作者代码，也不改变本地实现、已有指标或 GPU 验收状态。

原文 27B GRPO 采用 7×H100，14.6 小时，且评测涉及长记忆、视频与 LLM gate。完整实验成本过高，不复现（审查 DONE）；不在单卡 A100/A30 或 Mac 上缩成玩具训练冒充结果。diagnostic_only=true、promotion_eligible=false、evolve_integrated=false。