ICML 2026 重磅：微軟 Memora 將 Agent 記憶效率提升 98%，登頂雙基準

來源：公眾號“AI檔案室

原文鏈接：https://mp.weixin.qq.com/s?__biz=MzYzMTgzMzc0OQ==&mid=2247487005&idx=1&sn=aba5951f3eaf1713add63213c205149e&chksm=f1f29758772ac82dc9eeb574fc92c61825700a0a8cd5d91a111952e97d4550e64809b6e6b978#rd

當你在一個項目中和 AI 助手持續協作了幾周，

突然有一天它忘了上次你們定好的截止日期是 5 月 30 日而不是 6 月 1 日，

你會不會有一種「從頭再來」的無奈？

這恰好是當前 AI Agent 面臨的最核心瓶頸之一：

大語言模型本質上是「無狀態」的，每次對話都是從零開始。

長任務中，

信息要么以原始文本碎片堆砌在一起，要么被粗暴壓縮為模糊摘要而丟失關鍵細節。

2026 年 6 月 29 日，

Microsoft Research 正式對外公布了針對這一問題的解決方案：

一個名為 Memora 的 Agent 長期記憶系統。

論文已被 ICML 2026 接收，

arXiv 預印本早在今年 2 月上線，

代碼也已于 6 月 16 日在 GitHub 以 MIT 協議開源。

更值得注意的是，

這套系統在 LoCoMo 和 LongMemEval 兩個主流的 Agent 長期記憶基準上均達到了當前最優水平。

回看現有記憶方案，無論是 RAG（檢索增強生成）還是 Mem0、Zep、GraphRAG，

本質上都陷入了「魚和熊掌不可兼得」的困境。

一類方案直接嵌入提取的事實或文本片段，能保留細節，

卻產生大量孤立、脆弱的條目，喪失敘事連貫性；

另一類方案將全部經驗壓縮為緊湊摘要，雖然高效，

卻把約束條件、邊界情況和數值細節一并丟棄。

基于知識圖譜的方案雖然增加了一層結構，

卻依賴于剛性本體論，難以跨領域泛化。

Memora 的核心洞察在于將「存儲什么」與「如何檢索」這兩件事徹底拆開。

每個記憶條目由三個組件構成：記憶值（Memory Value）完整保留原始信息而不做任何壓縮；

主抽象（Primary Abstraction）是一個 6 到 8 詞的短語，

捕捉記憶的核心內容，作為更新和聚合的單元；

線索錨點（Cue Anchors）則是從記憶中提取的多個短小標簽，

提供從不同角度找到同一條記憶的路徑。

關鍵設計原則是只索引抽象層和線索錨點，

不直接索引原始記憶值，

這樣既保留了完整的細節信息，又避免了直接索引原始內容帶來的噪音。

這套設計在處理真實工作場景中常見的「半結構化、充滿例外」的信息時尤其有優勢。

比如用戶說了一句「Dave 和 Sarah 同意將原型推遲到 4 月 1 日、試點到 5 月 2 日、MVP 到 5 月 30 日」，

傳統知識圖譜需要預定義實體類型和關系，

任何新關系都需要擴展模式；

而 Memora 的做法是生成主抽象「Dave 和 Sarah 就 Orion 項目更新后的時間表達成一致」，

再附加多條線索錨點如「Dave 的 Orion 項目更新」「Orion 項目原型排期」等。

無論后續查詢是「Dave 最近做了什么」還是「原型什么時候交付」，

都能通過不同的錨點路徑導航到同一條底層記憶。

在檢索層面，Memora 同樣跳出了一次性 top-k 語義搜索的慣性思維，

將檢索過程形式化為一個馬爾可夫決策過程（MDP）。

檢索器不是一次性返回最相似的結果，而是在多步交互中逐步調整：

它可以重新表述查詢（Refine）、從關聯記憶中擴展搜索范圍（Expand）、在信息足夠后主動停止（Stop）。

這種策略可以由強模型驅動，也能通過強化學習蒸餾到小型模型。

團隊已經在 Qwen-2.5-3B-Instruct 上驗證了這套訓練方案，

GRPO 訓練后的檢索器準確率達到 0.841，而基礎模型基線僅為 0.836。

論文在附錄中給出了完整的數學證明框架。

傳統 RAG 實際上是 Memora 的一個特例：

主抽象等于原始內容，線索錨點為空，策略只執行一步查詢加停止。

隱式和顯式知識圖譜檢索也同樣被證明是 Memora 的特例。

更重要的是，論文證明了存在某些檢索函數，

無法被固定 top-k 的扁平相似度搜索或固定單種子擴展的知識圖譜檢索所實現，

而 Memora 可以：這賦予了它理論上超越傳統方法的能力。

在 LoCoMo 基準上（平均 600 輪對話，約 20000 個 token，涵蓋單跳、多跳、時間推理和開放域四類任務），

Memora 的策略檢索模式以 0.863 的 LLM-Judge 評分登頂，

顯著優于完整上下文方法（0.825）、Nemori（0.794）、LangMem（0.734）、Mem0（0.653）、RAG（0.633）和 Zep（0.616）。

在 LongMemEval 基準上（500 個問題覆蓋 5 種記憶能力，上下文長達 115000 個 token），Memora 以 87.4% 的準確率大幅領先全上下文推理的 65.6%，

而消耗的上下文 token 從 115000 降到了 2900，減少了約 98%。

在「知識更新」子任務上，Memora 達到 97.4% 的準確率，

而全上下文方法僅為 76.9%；在「時間推理」上也是 89.5% 對 60.2% 的顯著優勢。

在效率方面，每個對話平均只存儲 344 條記憶條目，約為 Mem0（651 條）的一半。

消融實驗還揭示了一個有趣的現象：

策略檢索器優于語義檢索器，但一旦移除線索錨點，這個優勢就消失了：

說明優勢來自錨點提供的多路徑導航能力，而非策略本身的復雜性。

上下文粒度實驗則顯示，

原始片段情景記憶加事實記憶的組合（0.863）優于摘要情景記憶加事實記憶（0.838），再優于僅事實記憶（0.833），證明情景與事實記憶之間存在互補效應。