跳到主要内容
检索

# 智能体记忆

10 篇关联报道

订阅更新
  1. arXiv

    6G切片跨域部署不再靠固定策略:ORION把验证过的可行方案写进记忆,回灌给LLM规划器

    多域6G网络切片的放置、跨域路由与接纳决策是NP-hard的在线问题,固定规划策略在不同拓扑上排名会反转,被拒请求中多数其实存在可行放置。ORION在分层编排器中让两个LLM智能体分别翻译业务意图、生成抽象放置计划,并把每次尝试的网络条件、计划形状与验证器给出的可行性结果写入情节记忆,再作为带标签示例回灌规划器。在未见过的拓扑族上固定选择与执行层后,带该记忆的规划器在两个随机种子上接纳率都高于无记忆版本和先进先出存储版本,但提升幅度尚未确立。

  2. arXiv

    机器人记忆不再靠关键帧猜:把每步观察写成可核查文本,固定策略下成功率从44.5%升到66.0%

    Gamma把机器人长时记忆从像素改成可核查的文本行,在固定执行策略下把RoboMME十六项记忆任务的平均成功率从44.5%提到66.0%,并在三项任务上追平特权子目标上限。

  3. Claude平台开放OpenTelemetry导出:Messages请求与托管智能体会话可接入自家可观测后端

    Claude平台把Messages API请求和Claude Managed Agents会话的追踪数据以OpenTelemetry span形式导出,开发者可在自己的可观测后端里查看这些调用。

  4. arXiv

    MemTrim 在证据级索引记忆,将部分重叠下的记忆误用错误率从 11.6% 降至 0.6%

    作者提出并研究“记忆过度依赖”这一推理期失效模式:当检索到的良性记忆与当前查询仅部分证据重叠时,记忆会误导推理;他们据此提出即插即用的 MemTrim,在写入时把记忆分解为证据单元并存入 trie,在读取时删除与查询重复或冲突的证据、保留记忆独有信息,并在支撑证据变化时抑制旧答案,从而在多个基准、模型与记忆架构上降低记忆导致的错误,同时保留记忆在任务一致情形下的收益。

  5. arXiv

    StegoMemory 红队测试:14,000 次试验中 20.1% 实现精确匹配的跨会话隐蔽传输,其中 71.4% 同时通过任务完成与安全审查

    该工作以 SHADE-Arena 式任务开展大规模红队测试,在 14,000 次攻击试验、91 种模型-攻击配置、13 个模型和 7 种隐写方案下检验智能体记忆能否跨会话传递攻击者控制的字符串而不触发安全监督,发现 41.2% 的试验成功编码载荷、29.8% 在记忆写入后保持编码完整、25.4% 在检索时可恢复、20.1% 实现精确匹配恢复,且精确匹配传输中 71.4% 同时通过主任务完成评分并被监督模型判定为安全,相当于全部试验的 14.4%。

  6. arXiv

    AECG 在三种多智能体框架四个基准中 12 项设置 11 项最优,消融显示移除作用域保持最多掉 16.89 分

    作者提出 AECG 多智能体记忆治理框架,通过作用域保持、非对称证据准入、双时间尺度可靠性估计与基于下游暴露度的预算化审查,把记忆从静态存储变为可靠性治理闭环;在 AutoGen、MacNet、AgentNet 三种框架与 PDDL、FEVER、ScienceWorld、MBPP-Plus 四个基准的 12 项设置中 11 项取得最优,较最强记忆基线最高提升 10.23 个百分点,移除作用域保持最多降低 16.89 分。

  7. arXiv

    MemLife用实体锚定的第一人称文本记忆加时间索引智能体读取器,在四个长时程第一视角视频基准上比最强免训练基线高出4.6–12.0%,MemOpt再以FIRM奖励只训练记忆写入器提升2.7–5.0%

    该工作提出MemLife——一个把第一视角视频压缩为时间与实体锚定的第一人称文本片段、并由时间索引的智能体读取器检索的多模态记忆系统,在无需训练、也无需查询时访问视频的条件下于四个长时程基准上比最强免训练基线提升4.6–12.0%;并进一步提出MemOpt,用忠实、信息量、可检索的FIRM奖励只对记忆写入器做强化学习,使MemLife再提升2.7–5.0%,且增益可跨写入器与读取器骨干、记忆系统以及域外视频与问题分布迁移。

  8. arXiv

    NavHarness 让机器人把地图、搜索记录与房屋笔记带进下一次对话,GOAT-Bench 上 s-SR 提升 18.6 至 34.8 点

    NavHarness 是一个无需训练的具身导航外壳,把记忆处理放进导航循环:每次任务开启新的多轮智能体会话,但通过地图、任务记录与房屋笔记继承先前经验,并在任务结束时做结果核验与运行末整合;在 GOAT-Bench 上相对仅用当前上下文的独立会话,s-SR 分别提升 18.6 点(GPT-6 Astra)、22.6 点(Opus 5)、34.8 点(GPT-4o)和 30.3 点(Qwen3.8-27B),使用 SLAM 估计位姿时 Astra 达到 83.7 s-SR 与 36.9 e-SR,在 IR2R-CE 上达到 85.9 s-SR。

  9. arXiv

    Jev-Mem 用 System-One 控制平面管理智能体记忆,在 LoCoMo 上把总体得分提到 0.777,同时把记忆构建时间压到 158 秒

    Jev-Mem 提出一种受 System-One/System-Two 认知分工启发的智能体记忆架构,用专门的 System-One 控制平面负责记忆类型判定、关系构建、查询路由、检索预算分配、图遍历、候选打分与自适应停止,只把复杂推理和答案合成交给 System-Two;在 LoCoMo 上取得 0.777 的 LLM-as-a-Judge 总体得分(相对最强基线提升 11.0%),记忆构建时间 158 秒(相对最快竞争系统 6.6 倍加速),平均查询延迟 0.93 秒(降低 36.7%)。

  10. arXiv

    SAP Signavio 提出“组织记忆”架构,让 LLM 智能体在采购流程中的政策合规率从 30% 提升到 88%–95%

    该工作提出面向智能体业务流程执行的“组织记忆”(organizational memory)概念,即一个共享、受人类治理、可被智能体消费的组织专属流程知识参考层,并给出其需求(R1–R9)、涵盖记忆策展与运行时消费的架构,以及以“过程原子”(process atom)为单位的实现;在采购到付款(purchase-to-pay)场景的概念验证中,10 个场景、每个场景 4 次运行的平均政策合规率(PCR)显示,接入组织记忆的智能体在 GPT-4.1 上达到 88%、在 Claude Sonnet 4.5 上达到 95%,高于 RAG 方案(70% 与 80%)和无知识接入的基线(两者均为 30%)。

已读完全部报道