@neural_avb: 关于LLM智能体图记忆的最新论文

记忆是重构的，而非检索：LLM 代理的图记忆

Hugging Face Daily Papers

MRAgent 提出了一种新颖的基于图的记忆框架，能在推理过程中动态重构记忆，在长程基准测试上实现高达 23% 的性能提升，同时降低了计算成本。

选择性遗忘：一个基于图的长期LLM代理记忆框架

arXiv cs.AI

本文评估了一个面向长期LLM代理的基于图的记忆框架，发现该框架在召回指标上并不优于扁平向量检索，但选择性遗忘模块能以最小性能损失有效减少存储。

ExpGraph：面向LLM智能体的模型无关经验学习与图结构记忆

arXiv cs.CL

ExpGraph是一个模型无关的框架，通过自进化的技能与失败经验图，使LLM智能体能够复用过往经验，在不重新训练执行器的情况下将任务性能提升12%-21%。

@neural_avb: 构建LLM记忆系统存在两到三种完全不同的思想流派。当谈到…

X AI KOLs Timeline

讨论构建LLM记忆系统的不同思想流派，重点关注图记忆及其对人类创造力和归纳偏置的潜力。

面向长期LLM代理的检索驱动记忆再巩固

arXiv cs.CL

本文介绍了REALM，一个用于LLM代理长期记忆的框架，它利用检索驱动的再巩固来自主地将记忆组织成认知图，从而在长期记忆基准测试中取得更好的性能。