Memory-Centric Continual Learning for AI Agents

本文提出 Memory-Centric Continual Learning（MCCL），主张应通过记忆是否提升未来行为来评估其效果，而非仅关注记忆检索能力。MCCL 包含三轴分类体系、评估协议和记忆扩展框架，旨在将 AI 智能体的记忆机制从被动查询转向持续学习。该方法通过任务反馈更新记忆状态和管理策略，衡量记忆在干扰下的保留能力、适应变化和任务迁移表现。