MCCL 综述：将 AI 智能体记忆从被动检索变为持续学习引擎

MCCL 综述提出 Memory-Centric Continual Learning（MCCL），主张以 Agent 记忆能否改善未来行动作为评判标准，而非仅看能否召回存储内容。框架包含三轴分类法、双循环生命周期和评测协议，并建模 Agent 性能随经验、存储容量与计算预算的增长规律，为自改进自主智能体提供记忆驱动路线。