MemScope 论文提出基于执行痕迹与内存状态的 Agent 内存架构局部代码修复框架

MemScope 是一个利用细粒度执行证据对现有 Agent 内存架构进行本地化演进的框架，旨在解决传统方法因反馈粗糙导致无法精确定位故障并引发大规模代码重写的缺陷。该框架通过 Patch Agent 工具联合检查原始执行轨迹、运行时内存状态及当前架构代码，在满足提供者身份和内存兼容性约束的前提下，识别修复目标并应用有界的原位编辑。

实验数据显示，在 GAIA 基准上，结合轨迹与内存检查的变体准确率达到 86.67%，显著高于仅用轨迹（70.00%）或仅用摘要（63.33%）反馈的方法。在 xBench 任务中，进化后的内存架构配合 DeepSeek V3.2 将正确回答数从 49 提升至 55，配合 Kimi K2.7 Code 从 50 提升至 53；在离散的 ALFWorld 未见任务中，成功率从 50.75% 跃升至 71.64%。跨存档架构快照转换的中位数代码变更比例为 4.4%。

事实层面，该研究验证了细粒度执行证据作为内存架构演进基础的有效性，且代码修改幅度极小。推断层面，这种机制可能改变 Agent 系统维护模式，使长期运行的智能体能够通过微调而非重构来适应新任务分布。猜测层面，若该方法能扩展至更复杂的长程规划场景，或许能降低大模型 Agent 在实际部署中的调试成本，但具体工程落地效果需进一步观察。