本研究分析了大型语言模型（LLM）的上下文召回性能，发现其检索能力受到提示内容和训练数据偏见的影响。通过调整模型架构和训练策略，可以提升性能。提出的 LongMem 框架引入长期记忆机制，增强文本生成效果。MemLLM 通过读写内存模块改善信息检索能力，提升可解释性。此外，研究引入记忆共享框架，显著提高代理在开放性问题上的表现。