Paper Reading: Agent Memory 2

首个在 LLM 中加入 static persona，用带有静态标签的 Agents 在交互式的沙盒环境中进行社交行为测试

模拟人类的记忆机制，根据时间的推移遗忘和强化记忆；聊天机器人 SiliconFriend 能在心理对话中展现出更强的同理心。

采用 two-level user habit learning — 用户偏好学习策略 + 分层偏好记忆。User FingerTip 用于测试真实世界中的歧义指令。

在多模态的 Mobile GUI agent，这篇工作已经尝试使用 trajectory 进行 optimization。

这篇工作做了一个 PAL-Bench，声称是首个包含多会话用户日志和对话历史的中文数据集。不过，提出的 H²Memory (分层异构记忆架构) 单纯的用 RAG 来提升个性化响应，多少还是有点缺少 insight。

虽然想说这个工作不够有 insight，但是它很简洁、很适用（换句话说有很多人用，毕竟 GitHub 5万的stars），确实适合用于生产和实践。

这篇工作确实补充了隐式个性化 bench 的部分空缺，但是感觉训练中有不少的 tricks (Qwen3-4B 经过 RL 后，还超过 GPT-5)

这篇工作做的是比较传统的结构化 Agent Memory，不同的是用了 Zettelkasten (卡片盒笔记法) 作为主要 insight。

这篇工作设置了情境很好，确实击中很多 work 的痛点 — 多会话中的 Memory 能力，也为后续主次 Agent 的合作打下基础。