# Just‑in‑Time Memory 论文阅读笔记
> 论文地址：https://arxiv.org/abs/2609.27334
> 标题：*Just‑in‑Time Memory: Learning to Curate Task‑Adaptive Memory for LLM Agents*
> 作者：Yefan Zhou, Yang Li, Zeyu Leo Liu, Semih Yavuz, Shafiq Joty
> 领域：大模型智能体记忆系统

## 一、文章主要内容
现有LLM智能体的记忆大多采用**写入时整理（write‑time curation）**范式：任务结束之后，直接把执行轨迹提炼成固定记忆产物（反思、工作流、技能、推理策略）存入记忆库；后续遇到新任务时，依靠相似度检索取出这些固化记忆供智能体使用。
该范式存在两大痛点：
1. 在还不知道未来会遇到什么任务时就做信息删减，会造成不可逆信息丢失；同一段历史轨迹，面对不同任务需要提取的经验不一样，但写入时只能生成一份通用摘要。
2. 存储决策的好坏要等到很久之后遇到相关查询才能体现，产生**长时域信用分配难题**，很难训练记忆整理模块。

本文提出 **JitMem（Just‑in‑Time Memory，即时记忆）**：不提前压缩轨迹，原始执行轨迹完整保存在记忆库；**把记忆整理推迟到读取时刻（read‑time）**。当新任务到来时，先检索相关原始轨迹，再由记忆整理器（curator）结合**当前任务需求**，动态生成一份紧凑、适配当前任务的记忆内容给智能体执行器使用。

因为整理生成的记忆立刻用于当前任务，可以直接用本次任务的成功信号训练curator，不需要等待远期反馈，