PUBLICATIONS
精选论文
展示 MemoraX 研究社区在记忆、学习与智能系统领域的科研成果。
Squeeze the Soaked Sponge: Efficient Off-policy Reinforcement Finetuning for Large Language Model
ReMix 通过混合策略更新、KL 凸约束与策略重生机制，让强化微调方法复用离策略数据。实验显示，该方法以更少的 rollout 样本和训练步数取得了有竞争力的推理准确率。
SWE Context Bench: A Benchmark for Context Learning in Coding
SWE-ContextBench 用于评估编码 Agent 能否在相关软件任务之间复用过往经验。基准将具有共同上下文的 Issue 与 Pull Request 关联起来，支持衡量上下文检索、任务解决效果、运行时间与 Token 成本。
MemDev-Bench: Does Memory Help Code Agents? Benchmarking Memory Systems over Real Repository Histories
MemDev-Bench 基于真实软件开发历史构建了包含 555 个开发任务和 4,869 个历史任务的基准，用于评估记忆对编码 Agent 的影响。研究发现，记忆能够改善代码定位与编辑，但未经适用性检查就复用过去经验也可能导致任务失败。
GraphMemix: Query-Aware Evidence Forests for Long-Term Multimodal Agent Memory
GraphMemix 将多模态 Agent 记忆组织为查询感知的证据森林，在降低冗余生命周期成本的同时找回互补证据。在四个长期多模态记忆基准上的实验建立了新的准确率与成本前沿。
EngramBench: A Capability-Grounded Benchmark for Skill-Evolution Harnesses
EngramBench 在交互式学习与迁移任务中区分真正的能力抽象和解决方案泄漏。评测表明，程序性记忆能够指导 Agent 执行、减少冗余上下文，并将编码时间降低 55% 以上。
From Memory to Guide: Spatio-Temporal Composer for Procedural Coding Memory
时空编排器将检索到的编码经验动态编译为分阶段、适应环境的 Runtime Guide。在无需更新模型参数的情况下，它将复杂 EngramBench 任务的通过率提升 7.2%，同时减少 32.2% 的 Token 消耗。
Beyond the Final Embedding: Retrieving Memories from Token-Level Evidence
本文通过稀疏的 Token 级匹配改进记忆检索，让局部证据与整体记忆相似度共同参与排序。该方法在八个基准上提升检索效果，并进一步改善长期记忆问答表现。
NEAR: Neighborhood-Aware Residuals for Memory Retrieval
NEAR 利用相邻记忆之间共享的信息构造残差表示，帮助区分主题相近但事实不同的记录。这个无需训练的方法在八个长上下文基准和九个嵌入模型上持续改善检索效果。