Agent Memory Study

一个关于 long-term memory、belief revision、prospective memory 与 cognitive architecture 的公开 research atlas / annotated reading room。

打开 Reading Room · 阅读项目介绍 PDF · 下载当前 main branch · 下载最近一次 tagged Zotero 包

这里有什么

• 一组从唯一 canonical public data 生长的 source-linked materials；
• 一张 failure-surface 研究地图、一幅 data-driven research constellation，以及三条可自由进入和离开的 reading paths；
• 面向所有读者的共读专题：原文与精读互链、跨源论述、可亲手切换的场景对照、适用条件与失败反例；首题为一条更正之后，不要求读者有私人项目或把每次阅读转成代码；
• 可按主题、failure surface、depth、标题或作者进入材料；
• 每份材料都明确标注 noteDepth 与 reading scope，并分开 source-backed paraphrase、paper-reported findings、evidence limits 与 editorial synthesis / inference；达到 read 的 entry 展示 argument map 与为什么值得读，并按实际证据补充方法与监督、原文内部张力；尚未执行的公开 protocol 明确标成 proposed-not-run；已经执行的 public / synthetic test 则保留署名、method、environment、raw / derived result、controls、limitations 与可复核 artifact links；字段尚未整理时，reader 会诚实降级，不从空缺补写结论；
• 每篇现有材料都有“读完，可以怎样借用”：适用情境、可借用的做法、尚未执行的迁移对照、依据与边界；skim / abstract 显示初读线索提示，编者建议不改变阅读深度或历史测试结论；
• 阅读可以继续形成公开、可复跑的研究材料，例如 TRUSTMEM 的同状态候选比较：10 个原创结构化 transition、4 组配对控制和论文数字复核；它单独记录已执行结果，真实更新器 / LLM judge 的迁移对照仍是未执行建议，不把教学实验算作论文效果复现；
• VerMem 的历史恢复与 verifier 边界直接执行固定官方代码的 12 个函数级样例：候选内 ID、合法长度与规则 pass 仍不足以单独证明任务归属或语义忠实；原始输入、返回值和外部源码复跑命令均公开，结论不扩展到完整 executor 或模型效果；
• 旧经验还在，为什么读不到？把 experience reuse 的检索竞争做成 4 个原创场景、108 次 SQLite BM25 选择：重复条目会挤走旧经验，按 key 去重也可能漏掉不同的适用条件；每个排名、控制与复跑命令均公开，不把检索命中算作 agent 成功；
• 还没发生的事，能改变此刻的判断吗？沿着 proactive trigger 的因果要求，用 3 个原创图场景、30 次精确分数传播说明未来如何经共享实体或归一化影响当前状态；保留前缀参照和负控制，不将它称为作者 GNN 的实现审计；
• 一个没有 backend、继续由 GitHub Pages 托管的静态 reader；唯一 analytics 是 Cloudflare Web Analytics 的 aggregate beacon，不使用 cookie 或 localStorage 识别、画像访客；
• 23 份 canonical materials：10 份按原许可随站提供的 PDF，另 13 份从 reader 直达 official full text；
• main 中的 RDF 会随 canonical materials 重建，并保持 stored PDF 与 official PDF link 的 delivery 边界。

这些札记是阅读导航，不是逐篇全文批注，也不代替原文。转述、问题和编辑判断不能冒充作者主张；需要引用时，请回到每条记录链接的 official source。

怎样链接到一页

GitHub Pages 没有 SPA rewrite，所以 reader 使用 query URL，而不是伪装成目录的 client-only path：

• 共读专题：?study=after-a-correction；场景可分享为 ?study=after-a-correction&scenario=legacy&phase=after
• material：?material=a-tma-state-aware-memory
• failure-surface thread：?thread=retrieval-active-context
• reading path：?path=from-revision

搜索与筛选也写入 query parameters；material、study、scenario / phase、thread、path 使用 browser history，back / forward 可以恢复对应视图。

Cloudflare Web Analytics 只用于了解 visits、page views、referrers、国家/设备类别和 Web Vitals 等站点级信号。它不记录 query string，也没有接入 custom events，因此 ?material=、?study=、?scenario=、?phase=、?thread=、?path= 和筛选参数不会成为阅读行为追踪；当前 analytics 不能回答访客具体读了哪个 material 或 failure surface。

Constellation 是同一 canonical data 的 semantic projection：failure surfaces 使用固定语义 anchors，material 位置由它的 failureSurfaces membership 与 stable ID 派生；没有逐篇维护的第二份 layout truth。新增 material 会自动成为一颗星，跨 surface material 会成为 bridge。Desktop 使用可键盘进入的 SVG，mobile 使用同源 matrix； 坐标、连线、星环与亮度都不表示论文质量、重要性或阅读进度。

PDF 怎样分发

这里采用 hybrid distribution，不把“网上能下载”冒充“可以再分发”。23 份 canonical materials 中，10 篇有明确的 CC BY 4.0 或 CC BY-NC-SA 4.0 许可，因此原样放在 papers/；另 13 篇只链接作者、publisher、arXiv 或 institutional repository 的 official full text。逐文件作者、来源与许可见 THIRD_PARTY_NOTICES.md。

不要单独下载 agent-memory-study.rdf：其中 10 个 attachment 使用相对路径。请下载 main branch ZIP、解压后再导入 RDF；具体步骤与导入后应出现的结构见 ZOTERO-IMPORT.md。tagged Zotero ZIP 只在显式发版时更新，可能暂时落后于 main。Doyle 1979 只链接 MIT DSpace 的 official scan，本地 OCR derivative 不在 repo 或分享包里。

本地运行

直接打开 index.html，或启动一个静态 server：

python3 -m http.server 8080

然后访问 http://localhost:8080/。

共读专题的 deterministic 演示可以无依赖复跑：

node research/correction-scope-study/run.js
node --test tools/test_revision_study.cjs

方法、逐场景结果与反例说明全部前提。它演示规则如何消费来源与范围，不模拟 LLM、不计算总排名，也不改变各篇的 reading depth。浏览器与本地 runner 使用同一份 engine；页面不保存访客的阅读记录，场景由 URL 恢复。

Doyle 1979 close-read 所附的 public / synthetic static oracle 可直接复跑：

python3 research/doyle-tms-static-oracle/oracle.py

方法、解释边界与 checked-in raw stdout 见 research/doyle-tms-static-oracle/；它不是 original TMS reproduction。

LongMemEval-V2 close-read 所附的 benchmark-metadata query / answer-evidence audit 需要一个包含三个 pinned revisions、当前位于 2cc8c540… 且 clean 的 official-code checkout：

PYTHONHASHSEED=0 python3 research/longmemeval-v2-boundary-audit/audit.py \
  --source-repo /path/to/LongMemEval-V2

fixed decision rules、runner、逐 case normalized output 与完整 built memory contexts 见 research/longmemeval-v2-boundary-audit/；它证明 source / postprocessing boundary，不是 benchmark reproduction。

同一材料的 alias / observable-order successor 目前停在 model-free pre-registration audit。checked selection、renderer controls、runtime HOLD 与全部 public ledgers 可直接验证：

python3 research/longmemeval-v2-alias-order-preregistration/audit.py --verify-checked

从 exact current source 与已取得的三个 public metadata files 重建 selector / renderer evidence 的命令和 hashes 见 research/longmemeval-v2-alias-order-preregistration/。它记录 0/66 controller jobs，不是 controller、reader 或 benchmark result。

PM-Bench close-read 所附的 scorer-contract / released-log audit 可以先做无 source 的 checked-artifact 校验：

python3 research/pmbench-scoring-contract-audit/audit.py --verify-checked

要从 official source 重建 probes、64-run audit 与 report comparison，需要 clean checkout 固定在 e1093c470c8981daf522d4ef047a7c3a71e077d7，并使用新的 output directory：

python3 research/pmbench-scoring-contract-audit/audit.py \
  --source-repo /path/to/PMBench \
  --output-dir /tmp/pmbench-scoring-contract-rebuild

method、raw/derived separation、exact hashes、claim-by-claim verdict 与 limits 见 research/pmbench-scoring-contract-audit/。它不调用模型、不生成新 trajectory，也不改变 released headline Set-F1；它证明的是锁定 revision 的 scorer contract 与 64 份 released primary logs 的边界。

StateFuse close-read 所附的 interpretation-contract / semantic-reference audit 可以离线复核 checked artifacts：

python3 research/statefuse-interpretation-contract-audit/audit.py --verify-checked

完整 preregistration、exact official-source identity、synthetic contracts、raw/derived receipts 与复现入口见 research/statefuse-interpretation-contract-audit/。它不复现论文的 model 或 benchmark experiments，也不把 locked implementation behavior 倒推成 paper-time result。

FluctlightDB close-read 所附的 observation-binding / scoped-recall audit 也可在没有 upstream checkout 或 native package 的环境里验证：

python3 research/fluctlightdb-observation-binding-audit/verify_checked.py

checked result 包含 unmodified official runs、identity-bearing paired controls、scope/negative controls 与 1,140 条 compact query rows；exact source、wheel、runtime identities 和 bounded claim ceiling 见 research/fluctlightdb-observation-binding-audit/。它不复现论文 benchmarks，不隔离 provenance 单变量效应，也不把本地 SDK output finding 冒充 tenant、security 或 production claim。

Memora close-read 所附的 forgetting-metric / judge-binding audit 可用 reader-supplied exact paper 与 clean official checkout 验证 checked artifacts；不需要 model、API key 或 memory backend：

PYTHONDONTWRITEBYTECODE=1 \
python3 research/memora-forgetting-contract-audit/verify_checked.py \
  --source /path/to/Memora \
  --paper-pdf /path/to/from-recall-to-forgetting-arxiv-2604.20006v1.pdf

artifact 将 paper-reported FAMA / Table 3、current official source behavior、30-file released-input census 与 synthetic contract matrix 分层记录；exact source rebuild、raw receipts、aggregation identity 与 claim ceiling 见 research/memora-forgetting-contract-audit/。它不生成 judge verdict、 不运行四个 LLM 或六个 memory agents，也不把 current successor source 或缺少 eval reports 的 release 冒充 paper-time execution / Table 3 reproduction。

MEMPROBE close-read 所附的 fixed released-artifact audit 可直接复核 checked public receipts：

python3 research/memprobe-recovery-boundary-audit/verify_checked.py

frozen protocol、source-locked runner、完整 public-safe receipts 与分项 decision 见 research/memprobe-recovery-boundary-audit/。它只验证 exact release 内 可机械检查的 joins、stored historical score arithmetic、packet/store binding 与 stored attribution-stage reduction； 不是 MEMPROBE benchmark rerun，也没有重发 historical retrieval 或重跑 simulator、memory system、slot filler、judge 与 attribution model。

MNL close-read 所附的 promotion-cohort / coverage audit 也可先做 receipt-only 校验：

python3 research/mnl-promotion-cohort-audit/verify_checked.py --mode receipt-only

frozen protocol、exact-current-source runner、synthetic identity ledgers 与 raw / derived receipts 见 research/mnl-promotion-cohort-audit/。它只验证锁定 current official source 在公开 synthetic fixtures 上的 batch promotion、cohort filtering、exact-subject top-1 与 evaluation-denominator contracts；不复现 MNL paper experiments，也不把 net-positive survivor decision 解释成 full-cohort、per-item、 subgroup、held-out 或 deployment non-regression。

Useful Memories Become Faulty When Continuously Updated by LLMs close-read 所附的 exact-current released-row / verifier-coverage / denominator / schedule-fixture audit 同样先做 receipt-only 校验：

PYTHONDONTWRITEBYTECODE=1 \
python3 research/faulty-memory-release-boundary-audit/verify_checked.py \
  --mode receipt-only

若要重新建立当前 invocation 的 source-bound evidence，需要 exact clean source commit 与 reviewed arXiv v1 PDF， 并把 fresh work root 放在有足够空间的位置：

PYTHONDONTWRITEBYTECODE=1 \
python3 research/faulty-memory-release-boundary-audit/verify_checked.py \
  --mode source-bound \
  --source /path/to/Memory-Collapse-Eval \
  --paper-pdf /path/to/useful-memories-become-faulty-arxiv-2605.12978v1.pdf \
  --work-root /external-disk/faulty-memory-source-bound-fresh

完整 protocol、两份 chronology-preserving review amendments、final receipts 与 claim ceiling 见 research/faulty-memory-release-boundary-audit/。它不调用 model、 API 或 agent environment，也不重跑论文实验；receipt-only 只证明 package/internal consistency，stored comparison 不自证历史上的两次 process，fresh source-bound invocation 才执行自己的两棵 roots。

VerMem 规则 verifier 的固定源码复跑

先按实验说明在 repo 外准备固定 commit 的官方 checkout，再运行：

python3 -B research/vermem-verifier-boundary-audit/audit.py \
  --upstream /path/to/VerMem --check

该命令实际调用上游 LocalVerifier，比较 12 个 public synthetic cases 与已保存结果。它不执行 memory 状态更新、LLM 语义 verifier 或论文训练；五个接受反例不能换算为系统错误率。

通过 pull request 贡献

这个 repo 接受 source correction / version watch、新材料 + reading note、对已有 entry 的署名 perspective / critique，以及使用 public / synthetic fixtures 的可复核 test artifact。完整 evidence、attribution、privacy 与 schema contract 见 CONTRIBUTING.md。

本站刻意不提供 browser-side annotate 功能：在没有登录、durable storage、review 与 provenance 的前提下，刷新即消失的输入状态不构成研究贡献。Agent Memory Study 是 study，不按藏书量、待读数或进度组织；GitHub main 只表示已经选择公开的同步状态，不能反向推断任何人的阅读或实验进度。

加一份新材料

1. 在唯一 canonical public source data/materials.json 增加一条连续编号的记录，并明确 noteDepth、readingScope、failureSurfaces 与 editorialQuestion；同时更新对应 failureSurfaces[].materialIds，让 atlas、filters 与 constellation 使用同一组双向 membership；read / worked 还必须满足 richer evidence schema；
2. 给 pdf.delivery 选择 bundled 或 official。只有存在明确 public redistribution license、逐文件 attribution 与 canonical source 时才能使用 bundled；
3. 如需更新 Zotero metadata，可从自己的 Zotero 导出 native RDF，但不要把 local-only notes、keys、tags 或路径带进 public data；
4. 运行：

python3 tools/build.py \
  --rdf-source /path/to/local-zotero-export.rdf

builder 会验证 public schema、private/publication boundary、approved-analytics boundary、GitHub Pages subpath asset URLs、exact PDF allowlist，重建唯一的 generated browser payload，并生成 hybrid agent-memory-study.rdf。不要手工编辑 assets/materials-data.js。需要生成可发布 ZIP 时再加：

python3 tools/build.py --package-output dist/agent-memory-study-zotero.zip

Public schema / boundary regression tests：

python3 -m unittest tools.test_build

Content boundary

Bundled papers keep their file-level Creative Commons licenses; linked works remain subject to their original terms. Those licenses do not extend to the reader code or editorial notes, for which this repository currently grants no open-source or Creative Commons license. See NOTICE.md.