@tli104: 新论文："Self-Compacting Language Model Agents" 语言模型代理会构建冗长的推理和工具调用轨迹。随着轨…
摘要
新论文提出自压缩语言模型代理，该类代理可自行决定何时清理其推理和工具调用轨迹，以避免积累错误和过时信息。
🚨 新论文："Self-Compacting Language Model Agents"
语言模型代理会构建冗长的推理和工具调用轨迹。随着轨迹增长，旧的错误和过时信息会持续存在，并束缚后续所有内容。我们提出疑问：模型本身能否自行决定何时清理？
查看缓存全文
缓存时间: 2026/06/24 14:25
🚨 新论文：“Self-Compacting Language Model Agents”
语言模型代理会积累长篇的推理和工具调用轨迹。随着轨迹增长，旧错误和过时信息会残留下来，并锚定后续所有内容。我们提出的问题是：模型本身能否决定何时进行清理？
相似文章
自压缩语言模型代理
SelfCompact是一种脚手架方法，让语言模型自主决定何时以及如何压缩长智能体轨迹，相比固定间隔方法，在减少token成本的同时实现了更好的性能。
@omarsar0: 语言模型需要“睡眠”
一篇论文探讨了让语言模型智能体‘睡眠’以重置内部状态，从而提升在长期任务上的表现，解决了上下文长度扩展的问题。
@dair_ai：关于LLM智能体长期记忆的优秀论文。（收藏）粗粒度的摘要会偏移，无约束的更新会导致信息损坏，……
AtomMem 为 LLM 智能体引入了一种长期记忆系统，将原子事实作为高效记忆单元，将其组织成层次化的事件结构和时间用户画像，在 LoCoMo 基准上达到了最先进水平。
语言模型需要睡眠：学习自我修改与巩固记忆
本文提出了一种针对大型语言模型的“睡眠”范式，该范式通过记忆巩固和梦境阶段实现持续学习，使模型能够将短期知识提炼为长期参数，并在无需人工监督的情况下自我改进。
PACE: 双时间尺度自进化小语言模型智能体
PACE 提出了一种双时间尺度框架,用于小语言模型智能体的自进化,协调低风险的提示精炼与高风险的控制器逻辑更新,在多个基准上实现了高达 +9.2% 的相对提升。