Back openDesk Edu for a sovereign, open-source education — every vote counts.
Vote nowSave products you love by clicking the heart icon.
Veröffentlicht auf Zenodo: 10.5281/zenodo.20780690 · Begleitender Datensatz: 10.5281/zenodo.20780696 · Repository: github.com/tobias-weiss-ai-xr/agent-memory-research · Interaktive UI: Papers online durchsuchen
Dieser erweiterte Survey baut auf der grundlegenden Arbeit von Liu et al., "Memory in the Age of AI Agents" (arXiv 2512.13564, ~200 Papers bis Januar 2026), auf, indem sowohl der Paper-Katalog als auch die Taxonomie selbst erweitert wurden. Stand Juli 2026 umfasst die kuratierte Liste 1.049 Papers — darunter 595 Werke, die zwischen Februar und Juli 2026 veröffentlicht wurden (eine neunfache Steigerung gegenüber den Ergänzungen nach dem Cut-off des ursprünglichen Surveys) — was übergreifende Themen offenbart, die die ursprüngliche 3×3×3-Taxonomie nicht erfassen konnte.
Die Paper-Liste wird als strukturierter Datensatz behandelt: Eine einzige papers.yaml-Datei dient als "Source of Truth" mit 1.049 Einträgen. Automatisierte Skripte validieren die Einträge, rufen Metadaten von arXiv und Semantic Scholar ab, entdecken neue Papers über die arXiv API und generieren Outputs wie die README, einen JSON-Export und BibTeX-Referenzen. Ein GitHub Actions Workflow erzwingt die Validierung bei jedem Beitrag.
Diese Methodik ist auf jeden Survey übertragbar, der aktuell bleiben muss — sie verwandelt Updates in einen Pipeline-Lauf statt in manuelle LaTeX-Bearbeitungen.
Die ursprüngliche Taxonomie organisiert Papers entlang dreier Achsen — Forms (Token-level / Parametric / Latent), Functions (Factual / Experiential / Working) und Dynamics (Formation / Evolution / Retrieval) — was 27 Zellen ergibt. Die Verteilung über das ursprüngliche 3×3-Gitter ist:
| Token-level | Parametric | Latent | |
|---|---|---|---|
| Factual | 456 | 20 | 30 |
| Experiential | 169 | 11 | 15 |
| Working | 283 | 10 | 55 |
Wir fügen drei orthogonale Dimensionen hinzu:
| Dimension | Ebenen | Was erfasst wird |
|---|---|---|
| Temporal Dynamics | None → Decay → Consolidation → Bi-temporal | Wie sich das Gedächtnis über die Zeit entwickelt: Vergessenskurven, Schlaf-Konsolidierung, temporale Knowledge Graphs |
| Modality | Text-only → Multimodal-in → Multimodal-out → Full-multimodal | Die sensorischen Kanäle, die Gedächtnissysteme verarbeiten: Vision, Sprache, Audio, Embodiment |
| Biological Inspiration | None → Cognitive-metaphor → Neuro-inspired → Brain-architecture | Grad der Treue zum menschlichen Gedächtnis: von lockeren Metaphern bis zu detaillierten neuronalen Modellen |
Diese Dimensionen sind additiv — sie ergänzen die ursprüngliche Taxonomie, anstatt sie zu ersetzen, und machen Muster sichtbar, die im reinen 3×3×3-Raum unsichtbar blieben.
Die erweiterte Taxonomie offenbart neun übergreifende Themen: Temporal Dynamics (>130 Papers), Multimodality (~100 Papers), Graph and Structured Representations (~100 Papers), Biologically Inspired (~40 Papers), Lifelong Learning (~190 Papers, das größte Cluster), Benchmarking (>80 Benchmarks), Retrieval Fusion (~30 Papers), Security & Adversarial Robustness (>120 Papers) und Efficiency & Compression (~140 Papers).
Die Analyse identifiziert:
Die Roadmap umfasst kurzfristige Ziele (einheitliche Benchmarks), mittelfristige Ziele (kompositionelles Gedächtnis, formale Trade-off-Modelle) und transformative langfristige Ziele (mehrjährige Stabilität, datenschutzkonformes Vergessen, cross-modaler Transfer).
Der Survey hebt acht Systeme hervor, die die architektonische Vielfalt der Landschaft von 2026 illustrieren:
| System | Zentrale Innovation | Zelle |
|---|---|---|
| Mem0 | Multi-Signal-Retrieval; 92,5 % auf LoCoMo | Factual/Token-level |
| FluxMem | Adaptive Auswahl der Gedächtnisstruktur pro Query | Factual/Token-level |
| SCM | NREM/REM-schlaf-inspirierte Konsolidierungszyklen | Experiential/Latent |
| Engram | Bi-temporaler Knowledge Graph mit Dual-Process-Retrieval | Factual/Latent |
| CraniMem | Neurokognitives Gating mit beschränktem episodischem Buffer | Experiential/Token-level |
| MemRL | Runtime RL auf episodischem Gedächtnis | Experiential/Parametric |
| All-Mem | Lifelong Topology Evolution | Experiential/Latent |
| TeleMem | Langfristiges multimodales Gedächtnis für agentische KI | Working/Latent |
Das Feld hat sich dramatisch beschleunigt: von etwa 200 Papers bis Januar 2026 auf 1.049 bis Juli 2026, mit 595 neuen Papers in nur sechs Monaten.
Das Paper wurde im Juni 2026 bei arXiv eingereicht, wurde jedoch aufgrund der Review-Article-Policy vom Oktober 2025 abgelehnt, die Literaturübersichten nicht mehr akzeptiert. Wir haben uns für Zenodo als primäre Plattform entschieden (welche stabile DOIs über die CERN-Infrastruktur bereitstellt) und alle Daten, den Code und die Analyse unter einer MIT-Lizenz veröffentlicht.
Das agent-memory-research Repository enthält:
papers.yaml — strukturierte Source of Truth (1.049 Einträge)scripts/ — Validierung, Metadaten-Anreicherung, Figure-Generierung, BibTeX-Exportdocs/ — interaktive GitHub Pages Seite mit Filterung nach Kategorie, Datum und Stichwortsuchepaper/ — vollständige LaTeX-Quelle und kompiliertes PDFWeiß, T. (2026). Agent Memory Research in 2026: A Data-Driven Survey and Extended Taxonomy (v1.1.0-revised). Zenodo. https://doi.org/10.5281/zenodo.20780690