华东师范大学联合上海智能研究院于2026年4月发布Memory Intelligence Agent（MIA），这是一个面向深度研究型Agent的记忆框架，采用Manager-Planner-Executor三层架构，通过交替强化学习联合训练记忆管理、策略规划和任务执行三个模块。在7个多模态和文本问答基准测试中，MIA驱动的Qwen-2.5-VL-7B在非工具调用场景下超过GPT-5.4、GPT-4o和Gemini-2.5-Pro，接近Gemini-3-Flash水平。论文arXiv编号2604.04503，代码和模型已在GitHub开源（MIT协议）。 MIA的核心架构：三层协作替代"记忆堆砌"
当前主流Agent记忆方案的共同问题是：记住了"结果是什么"，但不记"怎么得到的"。MIA的设计逻辑是把记忆从被动存储升级为主动策略规划，具体分为三个角色：
**Manager（记忆管理器）**负责记忆的压缩、去重和生命周期管理，解决长期运行中记忆无限膨胀导致注意力稀释的问题。该角色基于Qwen3-32B实现，在训练和推理阶段均承担记忆筛选职责。
**Planner（策略规划器）**是MIA区别于现有方案的关键模块。它不是简单地把召回的记忆塞进prompt，而是根据历史记忆动态生成完整的研究计划——包括搜索策略、工具调用序列和推理路径。Planner支持Continual Test-Time Learning（TTRL），即在推理阶段仍可持续优化策略生成能力。
**Executor（执行器）**基于Qwen-2.5-VL-7B训练，按照Planner输出的研究蓝图调用文本搜索、图像搜索等工具完成具体任务。
三者通过交替强化学习（Alternative RL）分阶段训练：先训练Executor的工具使用和指令跟随能力，再训练Planner的策略生成能力，两阶段均使用GRPO算法，基于VeRL框架实现。
Benchmark表现：7B模型的"越级"成绩单
据论文实验数据，MIA在以下维度展现了显著优势：
跨模型增强效果：在LiveVQA（多模态）和HotpotQA（文本，沙盒Wiki搜索）两个基准上，MIA显著提升了GPT-5.4、Gemini-3-Flash、Claude Sonnet 4.6等SOTA大模型的表现，说明该框架对不同底座模型均有增益。 小模型越级表现：以Qwen-2.5-VL-7B作为Executor，MIA在7个数据集上的综合表现超过GPT-5.4、GPT-4o和Gemini-2.5-Pro（均为非工具调用设定），接近Gemini-3-Flash（非工具调用设定）。这意味着一个7B参数的开源模型在记忆框架加持下，可以逼近甚至超越数量级更大的闭源模型。
记忆框架横向对比：在统一使用Qwen-2.5-VL-7B Executor的条件下，MIA在全部7个数据集上均优于Mem0、A-Mem、Expel、ReasoningBank、Memento等当前主流Agent记忆方案。
需要注意的是，上述"超越"均限定在非工具调用场景，论文未报告闭源模型启用原生工具调用后的对比数据。
和Mem0、RAG、Claude记忆的本质区别
理解MIA的定位需要先厘清当前Agent记忆方案的层级：
**RAG（检索增强生成）**是最基础的方案，将历史信息存入向量数据库，查询时语义匹配召回相关片段注入context。问题在于召回质量依赖embedding和chunk策略，且对"如何使用召回内容"没有任何指导。
Mem0在RAG基础上增加了一层LLM抽取，将对话历史转化为结构化记忆条目（如用户偏好、事实摘要），存储和召回更精准。但其本质仍然是"存-取"模式——召回的记忆直接塞进prompt，由下游模型自行消化，没有策略层。
Claude和ChatGPT的内置记忆与Mem0类似，从对话中自动提取用户偏好和关键事实，下次对话时注入system prompt。这是产品级的用户体验优化，但不改变模型的推理行为——记忆是context的一部分，不参与决策规划。
MIA的差异在于引入了策略维度。它存储的不只是"信息"，还包括"获取信息的方法"——哪些搜索策略有效、哪些工具调用序列产出了好结果、哪些推理路径走通了。Planner基于这些策略记忆生成执行计划，而不是把原始记忆丢给Executor自己理解。更关键的是，Planner通过TTRL在推理时仍可持续学习，这意味着Agent在使用过程中会越来越"聪明"。
技术实现细节：训练和部署架构
MIA的训练流程分为两个阶段：
阶段一：Executor训练。基于Qwen-2.5-VL-7B，使用GRPO算法在VeRL框架上训练。Planner和Judge角色由Qwen3-32B担任（未训练，作为环境的一部分）。训练数据包含多模态问答任务，工具集包括本地文本检索（基于wiki25）和图像搜索。
阶段二：Planner训练。固定已训练的Executor，训练Planner的策略生成能力。同样使用GRPO算法，奖励信号来自Executor执行计划后的任务完成质量。
**TTRL（Test-Time Reinforcement Learning）**是MIA的推理时学习机制，分为有监督和无监督两种模式：有监督模式在每个问题回答后获得Ground-Truth反馈，无监督模式则依赖模型自评估。TTRL使Planner在部署后仍可根据新任务的反馈持续优化。
部署方面，完整的MIA系统需要至少3个节点：Node 1部署Qwen3-32B（Manager和Judge），Node 2部署Executor服务和工具链，Node 3运行Planner训练或推理。这对算力要求较高，不适合轻量级场景。
局限性和适用边界
算力门槛高。完整部署需要Qwen3-32B（Manager）+ Qwen-2.5-VL-7B（Executor）+ 训练基础设施，至少需要多张A100/H100级别GPU。对于不需要深度研究能力的简单对话或问答场景，这套架构严重过重。
评测场景有限。当前实验集中在多模态问答和文本问答任务，对于代码生成、长文写作、多轮对话等场景的表现未知。论文中"超越GPT-5.4"的结论限定在非工具调用设定下，与闭源模型启用完整工具链后的差距尚不明确。
记忆冷启动问题。MIA的策略记忆需要积累，在首次使用或面对全新领域时，Planner缺乏历史策略可参考，效果可能退化到接近普通RAG水平。
开源但复现门槛不低。虽然代码、模型和数据集均已开源（MIT协议），但完整训练流程涉及多节点部署、多阶段RL训练、工具服务配置等，对工程能力要求较高。
谁应该关注MIA
MIA适合正在构建需要长期运行、多轮深度研究能力的Agent系统的团队。如果你的场景是：Agent需要反复搜索、对比、验证信息，且历史任务的经验对后续任务有指导价值——MIA的策略记忆机制会比Mem0或纯RAG方案更有优势。
对于只需要基础对话记忆的产品（记住用户名字、偏好），Claude和ChatGPT的内置记忆已经足够，没必要引入MIA的复杂度。对于中等复杂度的Agent，Mem0作为轻量中间件仍然是性价比更高的选择。MIA的价值在"深度研究"这个特定赛道上，这也是论文标题中"Intelligence"的含义——不只是记忆，而是基于记忆的智能规划。
AI 速览
