GAM 深度拆解：把'深度研究'变成记忆系统的 JIT 编译器

一句话结论：现有 AI 记忆系统的根本误区，是把"记忆"当成了"预先消化好的答案"。GAM（General Agentic Memory）的反直觉洞见是：记忆不应该替代搜索，记忆应该支持搜索——就像 JIT 编译器不会提前把代码翻译成机器码，而是在运行时按需优化。

一、问题的本质：为什么现有记忆系统都错了

1.1 AOT 范式的三大绝症

当前主流记忆系统（MemGPT、Mem0、A-Mem 等）都遵循同一个范式——Ahead-of-Time (AOT) 编译：

离线阶段：原始历史 → [大量压缩计算] → 轻量记忆
运行时：   用户请求 → [查预计算记忆] → 回答

这个范式有三个致命缺陷：

第一，信息损失不可逆。记忆本质上是数据压缩，压缩必然丢失细粒度信息。就像你把一本 500 页的书缩写成 5 页笔记，当用户问到一个笔记没涵盖的细节时，系统永远找不回来。

第二，静态结构无法适应动态需求。预计算记忆的结构是固定的——无论你问什么，它都给你同样的 5 页笔记。但真实场景下，不同问题需要完全不同的信息组合。

第三，领域依赖严重。怎么压缩、保留什么、丢弃什么，全靠人工设计的启发式规则。换一个领域，规则可能完全失效。

1.2 爱因斯坦的提示

论文开头引用了一句话：

"Intelligence is not the ability to store information, but to know where to find it." — Albert Einstein

GAM 的核心洞见就藏在这里：真正的智能不是记住答案，而是知道去哪里找答案。

二、GAM 的 JIT 哲学：运行时"深度研究"替代静态记忆

2.1 JIT 编译器的类比

GAM 借鉴了编程语言中 JIT (Just-in-Time) 编译的思想：

关键洞察："无损记忆只能通过搜索完整历史数据库实现，预计算记忆是为了支持这一搜索过程"。

这不是在玩文字游戏。GAM 的离线阶段不会扔掉原始数据——它把完整历史保存在一个"页面存储"(page-store) 中，同时构建一个轻量记忆作为搜索的导航图。

2.2 双模块架构：Memorizer + Researcher

┌─────────────────────────────────────────────────────────────┐
│                      离线阶段 (Memorizer)                      │
│  历史会话 s₁, s₂, ..., s_T                                   │
│       ↓                                                      │
│  ┌─────────────┐    ┌─────────────┐    ┌─────────────────┐  │
│  │ Memorizing  │ →  │  轻量记忆 m  │    │  Page-Store     │  │
│  │ (生成备忘录) │    │  (搜索导航)  │    │  (完整历史数据库)│  │
│  └─────────────┘    └─────────────┘    └─────────────────┘  │
│       ↓                             ↓                        │
│  ┌─────────────┐                   │                        │
│  │   Paging    │ → 页面 p_i = {header, content} ──────────────┘
│  │ (分页存储)   │    header: 上下文信息 (助检索)
│  └─────────────┘    content: 完整原始会话
└─────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                      在线阶段 (Researcher)                   │
│                                                              │
│  用户请求 r ──→ Planning ──→ Searching ──→ Reflection        │
│                    ↑            ↓            │               │
│                    └───────────┘ (迭代，最多3轮)            │
│                                                              │
│  最终输出：优化上下文 I（针对该请求的定制化信息整合）          │
└─────────────────────────────────────────────────────────────┘

三、Memorizer：不是"压缩历史"，而是"给历史建索引"

3.1 两个操作的真正含义

Memorizer 每次收到新会话时，做两件事：

① Memorizing（生成备忘录）

这里的关键是：备忘录 μ_i 不是"会话摘要"，而是**"这个会话对整个轨迹的关键贡献"**。它要回答的问题是："给定之前的所有历史，这个新会话里哪些信息是最关键的？"

② Paging（分页存储）

这是 GAM 设计中最精妙的地方。每个页面包含：

• header：由 Memorizer 生成的上下文信息，帮助后续 Researcher 理解这个页面的内容
• content：完整的原始会话，一字不丢

论文明确说明这个设计借鉴了 BGE landmark retrieval 和 Anthropic contextual retrieval 的思想：header 的作用是保持页面语义一致性，确保 Researcher 能准确检索到相关页面。

3.2 为什么保留完整原始数据这么重要

实验数据给了最直接的证据：

"仅有记忆，无 Researcher"——这就是传统 AOT 记忆系统的结局。预计算记忆的信息损失如此严重，以至于即使给了完整搜索能力，没有 Researcher 的动态检索整合，性能直接腰斩。

四、Researcher：一个"深度研究"智能体的三件事

Researcher 是 GAM 的灵魂。它不是一个简单的检索器，而是一个完整的智能体，执行 Plan → Search → Reflect 的循环。

4.1 Planning：基于记忆的信息需求分析

Researcher 收到用户请求 r 后，第一步不是去搜索，而是先看 Memorizer 生成的轻量记忆 m_i，进行链式思考推理：

1. "用户问的是 X"
2. "从记忆看，历史上发生过 A、B、C，可能与 X 相关"
3. "我需要确认 D、E、F 的信息才能回答 X"
4. "因此搜索计划是：用 Embedding 搜语义相关页面，用 BM25 搜关键词，用 ID 直接查某几个已知页面"

注意：记忆 m_i 在这里的作用是"启发搜索方向"，不是"提供答案"。这是 GAM 与传统记忆系统的根本区别。

4.2 Searching：并行检索 + 时序整合

三个关键设计：

并行执行：所有搜索工具同时跑，不是串行。因为不同工具捕获不同类型的相关性（语义 vs 关键词 vs 精确位置）。

时序累积：整合结果 I 不是替换式更新，而是时序累积。每轮 reflection 都会把新检索到的信息叠加到之前的整合结果上，形成越来越完整的上下文。

取并集而非交集：不同工具返回的页面取并集，而非交集。这确保不会漏掉任何潜在相关信息。

4.3 Reflection：自己判断"信息够了吗"

这是 Researcher 最像"深度研究"的地方。它不是一次性检索完就输出，而是：

1. 先检索一轮
2. 自己判断"这些信息够不够回答用户的问题？"
3. 如果不够，分析"还缺什么"，然后针对性地再搜
4. 最多重复 3 轮（实验设置的最大反射深度）

实验显示：反思深度从 1 增加到 5，性能持续提升，证明多轮迭代研究确实能带来更好结果。

五、端到端强化学习：让整个记忆系统自己进化

GAM 不只是工程架构创新，它还支持端到端的强化学习优化。

5.1 形式化目标

翻译成人话：找最短的上下文 c，使得 Agent 在这个上下文上完成任务的表现最好。

这就是记忆系统的本质优化问题——不是"压缩率最高"，而是"用最少的信息达到最好的任务表现"。

5.2 训练流程

训练数据 D = {(task, hist)}

对于每个样本：

1. Memorizer 处理历史：M, P ← Memorizer(hist)
2. Researcher 生成上下文：c ← Researcher(task, M, P)
3. Client 采样答案：ans ~ Client(c, task)
4. 评估奖励：Γ(ans)

期望奖励：

5.3 策略梯度公式

Memorizer 的梯度（优化"怎么生成记忆"）：

Researcher 的梯度（优化"怎么检索整合"）：

两个模块各自有基线奖励，通过 REINFORCE 风格的策略梯度各自优化。这意味着：

• Memorizer 会学习"生成什么样的记忆最能帮助 Researcher 搜索"
• Researcher 会学习"怎么规划搜索、怎么整合信息能得到最高奖励"

六、实验结果：数字不会说谎

6.1 主实验：全面碾压

LoCoMo 对话记忆基准（GPT-4o-mini 结果）：

GAM 在所有四项任务上都领先，Multi Hop（多跳推理）领先幅度最大（42.29 vs 38.72）。这验证了 GAM 的核心优势：越复杂的推理任务，动态深度研究的价值越大。

HotpotQA 多跳 QA（Qwen2.5-14B 结果）：

三个关键观察：

1. GAM 在 56K 长度下 F1=64.07，比 RAG 高 12 分——这不是小优势
2. 上下文变长时，LONG-LLM 和 RAG 性能下降，GAM 相对稳定——证明动态检索比暴力加载或静态分块更鲁棒
3. Mem0 在长上下文下崩溃（26.55）——静态记忆的信息损失问题暴露无遗

RULER 长上下文理解（GPT-4o-mini）：

RAG 在多跳追踪上 0%——因为它只是单次检索，没有迭代推理能力。GAM 的 93.20% 证明：Agentic 迭代研究是多跳推理的必需品，不是奢侈品。

6.2 消融实验：验证每个组件的价值

搜索工具组合（HotpotQA + NarrativeQA 平均 F1）：

关键发现：三种工具联合 > 任意两种 > 任意一种。每种工具捕获不同类型的信号，组合使用才能覆盖全部信息需求。

输出格式对比：

"整合 + 原始页面"效果最好（55.71），但 token 成本是默认的 22 倍。这意味着：如果你不在乎成本，给模型看原始数据比给精炼整合更好。GAM 的默认配置选择了一个效率与性能的平衡点。

6.3 模块规模分析

记忆器模型规模的影响（研究器固定 14B）：

研究器模型规模的影响（记忆器固定 14B）：

关键结论：

• 记忆器从 0.5B 到 14B 提升明显（48.83 → 53.18），但 14B→32B 几乎饱和
• 研究器从 0.5B 到 14B 提升巨大（9.08 → 53.18），但 7B 以下性能断崖式下跌
• 研究器比记忆器更需要模型容量——迭代规划、搜索、反思是高复杂度推理任务

七、效率分析：性能提升的代价

7.1 时间成本

HotpotQA 56K（总时间 = 离线构建 + 在线服务）：

GAM 的在线服务时间（12.43s）显著高于基线（0.15-0.55s）——这是 Agentic 深度研究的计算开销。但：

• GAM 总时间与 Mem0/MemoryOS 相当
• GAM 的质量优势如此巨大（64.07 vs 最高 37.30），12 秒的等待换来了 72% 的相对性能提升

7.2 Token 成本

默认配置下，GAM 的优化上下文平均约 106 tokens——极其紧凑。但如果选择"整合 + 原始页面"的格式，token 数膨胀到 2380。

这是 GAM 的核心权衡：你可以用更多 token 换更高质量，或者用更少 token 换更高效率。默认的 106 tokens 已经能拿到 53.18 的 F1，性价比极高。

八、局限性与开放性思考

8.1 论文明确或未明确的局限

1. 在线延迟：12-18 秒的响应时间不适合实时交互场景（如对话机器人）。这是 Agentic 架构的固有代价。

2. 上下文长度非单调：HotpotQA 上 224K 有时优于 448K（GPT-4o-mini: 64.56 > 59.81），说明更长历史不一定更好——可能引入噪声。

3. 模型规模饱和：记忆器 14B→32B 几乎无提升，研究器 14B→32B 提升也有限（53.18→54.50）。GAM 的收益主要来自架构设计，而非无脑堆模型。

4. 成本效益权衡：最佳性能需要 22 倍 token，实际部署需要仔细调参。

8.2 对 AI Agent 生态的启发

GAM 的 JIT 哲学可以推广到更广泛的 Agent 设计：

"不要提前做所有计算，保留原始数据，让智能体在运行时按需深入研究"

这与当前 RAG 系统的"预计算索引"范式形成鲜明对比。GAM 告诉我们：

• 索引可以轻量，但原始数据必须保留
• 检索可以智能，但必须是迭代式的
• 整合可以动态，但必须由智能体自己判断"够不够"

九、结语：记忆系统的范式转移

GAM 不是又一个"更好的记忆压缩算法"。它提出了一个根本性的问题：AI 记忆系统的目标到底是什么？

如果目标是"用最少的存储记住最多的信息"，那 AOT 压缩是对的——但它牺牲了任务适应性。

如果目标是"在任何任务上都能提供最有用的上下文"，那 JIT 深度研究才是答案——因为有用的信息取决于你要解决什么问题。

GAM 选择了后者。它用 JIT 编译器的哲学重新定义了 AI 记忆：记忆不是答案仓库，而是搜索的导航图；Agent 不是查询执行器，而是深度研究者。

实验结果已经证明了这个选择的正确性。接下来要看的是：这个范式能否扩展到多模态记忆（图像、视频）、能否支持实时交互、能否在端侧高效运行。

"我们不提前消化历史，我们保留历史，然后在需要时深入研究。这才是智能的记忆方式。"

参考信息

• 论文: Yan B.Y., Li C., Qian H., Lu S., Liu Z. "General Agentic Memory Via Deep Research". arXiv:2511.18423v1, 2025.
• 机构: 北京智源人工智能研究院、中国人民大学、北京大学、香港理工大学
• 代码: https://github.com/VectorSpaceLab/general-agentic-memory
• 联系: zhengliu1026@gmail.com

#记忆 #同步 #AI智能体 #记忆系统 #深度研究 #JIT #GAM #Memorizer #Researcher #RAG #强化学习 #小凯