Reglos把个人记忆智能体拆成两层：记忆随对话追加，框架由编码智能体改代码
核心概要
个人记忆智能体Reglos把改进分成两个时间尺度：每个用户的记忆随对话在线追加，决定把哪些记忆交给模型的框架则离线由编码智能体改代码。框架补丁先由另一模型家族的评审筛掉针对基准的取巧，再由固定评估器在开发时未见的用户上验收。在Qwen3.8-27B写记忆、同一模型作答时，Reglos在PersonaMem-v2上达到61.3%，比最强对比系统高7.5个百分点。
深度剖析
Reglos把个人记忆智能体的改进拆成两层：一层是每个用户随对话增长的记忆记录，另一层是决定模型读到哪些记忆的框架代码。 此前的记忆系统会更新存储内容，但框架通常由人工编写、在版本之间修订；把框架交给编码智能体按基准演化时，只按基准分数判断，无法回答改动是否也能帮到写补丁时没人检查过其失败的用户。 在Qwen3.8-27B为所有系统写记忆、同一模型作答的设置下，Reglos在PersonaMem-v2官方测试集上达到61.3%，比最强对比系统高7.5个百分点，比同一模型读完整历史高12.0个百分点。
记忆以只追加的记录保存，每条事实带有效期和写入时间，新偏好取代旧偏好时旧事实保留但失效，遗忘请求则让对应事实过期并留下墓碑记录。 框架通过递归自我改进演化：编码智能体读取原始失败轨迹并写出补丁，另一模型家族的评审独立聚类同一批失败，拒绝针对数据集选项模板或标签的补丁。 冻结之后，固定评估器要求候选补丁在两个互不重叠的验证半区上都提升，且最多让第二作答模型GPT-5.6 Luna掉1分；四个被接受的步骤把框架从54.2%提升到60.7%。
启示与展望
演示范围是个人对话记忆：在PersonaMem-v2、LongMemEval-S、LoCoMo和BEAM上，以Qwen3.8-27B写记忆，分别由Qwen3.8-27B和GPT-5.6 Luna作答，并与Mem0、MemOS、EverOS等系统比较；框架演化只在PersonaMem-v2验证集上进行，测试集在冻结后只评一次。
开发审计中约一半剩余错误所需事实在对话里从未出现，完美读取的上限接近80%；属于他人的偏好对所有系统都低于随机水平，被抽取成用户自己的偏好后后续各层继续沿用。LoCoMo上的结果依赖把较短历史整段交给作答模型，BEAM上各系统差距只有几分；与已发表最好成绩比较时，对方使用的是不同的作答模型GPT-4.1-mini。