面向 AI 智能体的以记忆为中心的持续学习框架 MCCL

论文提出以记忆为中心的持续学习（MCCL），主张记忆应以能否改进未来行动来评判，而不只是看检索到了什么。MCCL 包含三部分：按存储载体、资产形式和管理策略划分的三轴分类法，以及内循环更新记忆状态、外循环依据任务反馈优化管理策略的双环生命周期；在干扰下衡量保持、衡量对变化的适应与任务迁移的评估协议；以及刻画智能体性能随经验、存储容量和计算预算变化的记忆扩展框架。