为LLM智能体提供决策记忆的简单模式
摘要
本文介绍了一种简单的模式,为LLM智能体提供其决策的记忆,从而增强其决策过程。
暂无内容
相似文章
DELTAMEM:基于残差树的LLM智能体增量经验记忆
DeltaMem将LLM智能体记忆组织成残差树,以减少冗余和检索冲突,存储经验的增量变体以支持持续学习。
受人类启发的LLM智能体记忆架构
微软研究人员提出了一种受生物学启发的LLM智能体记忆架构,该架构结合了睡眠阶段巩固和基于干扰的遗忘机制,以高效管理持久性记忆。
Agent记忆层无需LLM来决定记住什么
作者认为,Agent记忆层应跳过基于LLM的提取来决定记住什么,转而使用简单的存储、嵌入和检索,其开源工具memU即是例证。
从存储到经验:大语言模型智能体记忆机制演进综述
本综述论文提出了一种大语言模型(LLM)智能体记忆机制的演进框架,将其发展划分为三个阶段:存储、反思和经验。文章分析了长程一致性和持续学习等核心驱动力,旨在为下一代智能体的设计提供指导原则。
加权记忆树:为长期LLM智能体记住关键信息
本文介绍了加权记忆树,一种为LLM智能体设计的层次化记忆系统,它能动态保留重要信息,将任务准确率提高9.97%,并将提示词使用量减少32.8%。