FadeMem: Biologically-Inspired Forgetting — arXiv:2601.18642

title: FadeMem: Biologically-Inspired Forgetting for Efficient Agent Memory arXiv: 2601.18642 date: 2026-01-26 tags: [agent-memory, memory-compression, forgetting, biologically-inspired] reviewer: auto source: arXiv RSS/API

摘要¶

大型语言模型作为自主智能体部署时面临关键的内存限制，缺乏选择性遗忘机制——要么在上下文边界发生灾难性遗忘，要么在上下文中遭受信息过载。人类记忆通过自适应衰减过程自然平衡记忆与遗忘，而当前AI系统采用二元保留策略（保留一切或完全丢失）。FadeMem是一种受生物启发的智能体记忆架构，通过差异衰减率实现主动遗忘机制。系统实现跨双层记忆层次结构的自适应指数衰减函数，衰减由语义相关性、访问频率和时间模式调节。通过LLM引导的冲突解决和智能记忆融合，相关信息被整合，而无关细节逐渐消退。在多会话聊天、LoCoMo和LTI-Bench上的实验表明，系统在实现45%存储减少的同时保持优异的多跳推理和检索能力。

核心贡献¶

生物启发的双层记忆层次结构：实现差异衰减率，记忆保留由语义相关性、访问频率和时间模式调制。
自适应指数衰减函数：而非二元保留策略，使记忆系统能够像人类记忆一样自然平衡保留与遗忘。
LLM引导的冲突解决：当新信息与旧记忆冲突时，使用LLM作为仲裁者决定保留哪些信息。
智能记忆融合：将相关信息整合，同时允许无关细节消退。
45%存储减少：在多跳推理和检索任务上性能不降反升，证明生物启发遗忘的有效性。

为什么重要¶

该论文直接解决了LLM智能体的核心矛盾——上下文窗口有限但需要处理无限信息流。生物启发的遗忘机制不是缺陷而是feature，正如人类记忆不会记住每一个细节一样，AI智能体也需要有选择性地遗忘。该工作为端侧记忆系统提供了重要参考：在资源受限的设备上，智能体必须学会区分重要信息和噪音。

与端侧/移动端的相关性¶

移动设备和可穿戴设备是资源受限最强的场景，45%的存储减少对手机端侧部署意义重大。FadeMem的层级衰减机制非常适合边缘场景——优先保留最近访问和语义相关的信息，让过时的细节自然消退。这与端侧RAG系统的记忆管理策略高度相关。

参考文献¶

本文参考文献待从原文补充。