记忆与上下文

APUS开源Reflex Agent，用决策模型与无限上下文破局长任务失忆

APUS开源Reflex Agent，采用自研Reflex决策模型驱动Harness决策环节，通过无限记忆、无损记忆、无损输入构建无限上下文方案，解决智能体长任务遗忘与决策延迟问题。该系统以MIT协议开源，提供桌面端、Web和SDK，测试场景下页面响应速度相比同类Agent提升2-3倍。APUS称这一差异化路线为国内智能体生态提供了新的技术样本，但规模化落地

Mastra 发布 Factory 沙箱契约与多项可观测性更新

Mastra 发布更新，为 Factory 引入首个 FactorySandbox 沙箱提供方契约，并新增 Docker、E2B 和 Mastra Platform 三个实现，支持可调设置、仓库模板与预构建环境。同时新增环境预构建与多仓库会话能力，降低首次会话冷启动。多个存储适配器加入 run fencing 以提升分布式执行正确性，Observationa

MemSilicon完成国际首款1T4R 1Gb RRAM芯片流片

铭芯启睿（MemSilicon）于2026年10月12日宣布完成国际首款基于1TnR技术路线的高密度、大容量RRAM芯片“泰山一号（MountTai 2026）”流片。该芯片采用28nm CMOS工艺和1T4R单元结构，单芯片容量1Gb，密度达30Mb/mm²，访问延时小于20ns，并集成片上硬件纠错电路，目前正在推进验证。公司围绕嵌入式RRAM IP、高密

SEPM：基于任务图的自演化程序记忆用于多智能体协作

该论文提出 SEPM（自演化程序记忆）框架，以任务依赖图作为多智能体在线协调与程序记忆演化的统一表示。执行中通过共享黑板记录结构化证据与任务依赖，检测目标、计划与世界状态偏差并基于证据重对齐；执行后将验证过的动作与依赖蒸馏为可复用程序，失败则转为警告与约束，程序池经创建、精炼、特化、退役演化。在 ALFWorld、WebArena、OfficeBench 上

APUS AI开源Reflex Agent，响应速度达Claude Code三倍

APUS AI（麒麟合盛网络技术股份有限公司）于10月13日宣布开源Personal Agent产品Reflex Agent，采用MIT协议，提供桌面端、Web和SDK。该产品基于自研开源决策模型Reflex构建Harness，结合Continuum记忆引擎，由模型承担模型路由、技能选择、结果审查和执行监督等决策工作，形成Loop Working循环。据AP

Mastra 发布持久化 Agent 运行所有权与原子记忆合并等更新

Mastra 发布 @mastra/core 1.76.0 等多项更新，重点包括：为持久化 agent 运行引入所有权声明与存储层 run fencing，避免多实例崩溃恢复时重复执行导致状态损坏；PostgreSQL 上支持行锁事务内的原子工作记忆深合并，并可通过 HTTP 显式指定 merge 模式；新增文件处理容错与沙箱优先的文件工作流；Observa

扎克伯格押注个人超级智能，Meta推出新模型

Meta发布Muse Wonder与Wonder Full两款AI模型，主打“主动记忆”和“持续专注”能力，扎克伯格押注面向个人的“个人超级智能”愿景。据Meta测试数据，两款模型在多项能力测试中达到Fable 5.1、Opus 5.5和GPT-6 Astra的相近水平，部分智能体与知识工作基准测试中略胜一筹。

Anthropic 推出动态工作流，让 Claude 自主编排多智能体

Anthropic 在 AI Engineer New York 2026 大会上介绍了其 Claude Managed Agents 的新功能 dynamic workflows（简称 flows），该功能让 Claude 自行规划并编写编排程序，动态决定多智能体拓扑结构，而无需开发者手动配置协调者与子智能体。该功能已在 Claude Console 中提

Meta 发布首批前沿模型 Muse Wonder

Meta 的 Superintelligence Lab 发布首批前沿模型 Muse Wonder 与 Muse Wonder Full，宣称在基准测试上可与 Fable 5.1、GPT-6 Astra 比肩，并强调长周期记忆能力“active memory”。Wonder 通过 Meta Model API 提供，定价为每百万输入 token 4 美元、每

另有 1 家信源报道

超越最终嵌入：从Token级证据中检索记忆

该论文提出一种无需额外训练的检索方法，利用冻结嵌入模型已计算的上下文 token 表示进行稀疏 token 匹配，再与整体记忆相似度结合来排序记忆。在八个检索基准和多个模型家族上均取得提升，在 Qwen3-Embedding-4B 上配合查询适配器可将 Recall@10 和 NDCG@10 平均提升 13.3 和 14.3 个百分点，并转化为长期记忆问答准

NEAR：面向记忆检索的邻域感知残差方法

论文提出 NEAR（Neighborhood-Aware Residuals），一种无需训练的框架，用于记忆检索。该方法利用相似记忆记录之间的共享内容构建局部参考方向，为查询和记忆生成投影残差表示，与原始嵌入结合后进行单次近似最近邻搜索。在八个长上下文检索基准和九个嵌入模型上，NEAR 一致提升了 Recall@10 和 NDCG@10，并在 LoCoMo

DeepSeek Bot民间版来了：DSH装插件即可用

开发者 FeiZ 基于 DeepSeek Harness（DSH）推出民间版插件项目 DeepSeek-Bot，可搭建多 Bot 团队界面，每个 Bot 拥有独立名称、角色、模型和持久化长期记忆。项目支持设置 Main Bot 主管来协同其他 Bot 以降低 token 消耗，并采用「一切皆插件」理念，可接入任意模型，未来甚至支持本地 Agent。项目上线不

工具使用智能体的可控遗忘：可逆上下文整理实践

该研究提出一种「智能体控制的遗忘」机制：执行任务的模型可主动选择此前观察到的工具结果，将其替换为简短备注，并把原始内容存入可恢复归档，同时保护用户指令与助手消息。在 OpenTelemetry 调试案例中，该方法将提示词 token 从 912,492 降至 231,951，累计输入 token 减少 50%，API 成本从约 4.38 美元降至 1.28–

日均140万亿Token调用下，SSD与NAND能力边界重构

在GMIF2026全球存储器行业创新峰会上，多方指出中国日均Token调用量已突破140万亿，AI推理规模化给存储带来数据丰富度、推理复杂度、运营持久性三重压力。三星、Solidigm、慧荣、闪迪等厂商正推动SSD向计算侧与大容量侧延伸，NAND向Z-NAND、HBF及存内计算演进。行业共识是数据管理正从兜底式分层转向系统设计之初的主动分层与运行中的动态调度

谷歌发布办公Agent Gemini，支持调用Claude

Google Cloud发布Gemini Agent，定位为可长期运行的通用办公Agent，能查资料、写邮件、做PPT、分析数据、编写运行代码，并跨应用调用工具、规划任务、召集子Agent协作。该Agent拥有独立企业身份（邮箱、日历、账号），支持四种记忆机制，并可根据任务在Gemini与Anthropic Claude等模型间动态选择，配套Smart Ro

华为英伟达推KV Cache外置存储，专用SSD规格仍未统一

华为在全联接大会上推出OceanStor M900，英伟达也推出CMX Context Memory Storage，两者都将推理过程中的KV Cache进行分层管理和外置存储，以"以存换算"降低重复计算开销。业内认为KV Cache外置的核心是在算力成本与存储成本间找平衡，但面向KV Cache负载优化的SSD尚未形成标准化产品，规格（容量、耐久度、性能）

研究了1933篇IROS论文，我们看到了机器人学的六项新变化

雷峰网 AI科技评论对 IROS 2026 的 1933 篇正式议程论文进行多标签梳理，发现 Robot Learning/Embodied AI 约 809 篇、Navigation/Planning 564 篇、Perception/Vision 556 篇、Control/Dynamics 546 篇、Manipulation 520 篇、Humano

Mastra 发布 Span 查询 API 与 Trace 成本聚合更新

Mastra 发布 2026 年 10 月 7 日更新，核心新增 Span Query API，可按过滤、游标、预览和模型成本查询单个已完成 span，无需先定位 trace。Trace 聚合新增 token 与成本指标，并在 ClickHouse、DuckDB、Postgres 存储中实现。语义召回支持自嵌入向量存储，无需客户端 embedder；@mas

在 AgentCore 与 OpenClaw 上构建上下文感知 AI 助手

AWS Machine Learning Blog 发布教程，介绍如何在 Amazon Bedrock AgentCore 上结合开源智能体系统 OpenClaw 构建具备长期记忆的上下文感知 AI 助手。方案以园艺助手 Sprout 为例，通过 AgentCore memory 将一次性对话转为持久知识，并用结构化元数据标记记忆以便检索。系统全部定义在单个

RealCompanion：基于长期真实对话推理的人类理解基准

该论文发布了 RealCompanion 基准，包含 10 段真实的人与 AI 伴侣关系、长达 120 天的 27,218 条消息，以及由对话衍生的 profile、persona、chat ground truth 和问题集，每条标注都附带推理链。研究发现：过去信息很少被需要且距离遥远，汇总指标会产生误导；现有检测器无法判断真实消息何时需要记忆，而将消息标