论文页面 - SAM：面向长时程推理智能体的状态自适应记忆

来源: https://huggingface.co/papers/2605.24468

摘要

长时程智能推理通过一种状态自适应记忆框架得到增强，该框架能动态管理交互历史：创建紧凑的记忆线索，同时保留详细轨迹以供定向检索。

长时程智能推理 (https://huggingface.co/papers?q=Long-horizon%20agentic%20reasoning) 要求大语言模型 (https://huggingface.co/papers?q=large%20language%20models) 在包含思考、工具调用、观察和部分结论的长交互历史中行动。挑战不仅在于这些历史会变长，更在于当前决策所需的信息可能散布在遥远的步骤中，且只在日后才变得相关。现有方法通过截断交互历史 (https://huggingface.co/papers?q=interaction%20history)、将其压缩为较短替代物，或检索并重用其中的选定部分来应对这一难题，但它们并未显式建模对过去交互的访问应如何适应智能体不断变化的状态。相反，我们将长时程推理视为一个状态自适应记忆 (https://huggingface.co/papers?q=state-adaptive%20memory) 问题。为此，我们提出状态自适应记忆 (https://huggingface.co/papers?q=State-Adaptive%20Memory) (SAM)，一个独立框架：它将正在进行的交互整合为紧凑的记忆线索 (https://huggingface.co/papers?q=memory%20cues)，同时保留原始轨迹页 (https://huggingface.co/papers?q=trajectory%20pages) 以供意图驱动回忆 (https://huggingface.co/papers?q=intent-driven%20recall)。这些线索并不替代历史，而是充当轻量级句柄，使智能体能够根据当前需求重构时间上遥远的信息，而无需重新训练底层骨干。我们进一步通过专家引导监督 (https://huggingface.co/papers?q=expert-guided%20supervision) 和强化学习 (https://huggingface.co/papers?q=reinforcement%20learning) 优化记忆模块，使其与轨迹级效用 (https://huggingface.co/papers?q=trajectory-level%20utility) 对齐。在 BrowseComp、BrowseComp-ZH、WideSearch 和 HLE 上，SAM 在不同智能体骨干上始终优于强基线。我们的结果表明，显式记忆建模为长时程智能推理 (https://huggingface.co/papers?q=long-horizon%20agentic%20reasoning) 提供了一种简单且有效的基础。

查看 arXiv 页面 (https://arxiv.org/abs/2605.24468) 查看 PDF (https://arxiv.org/pdf/2605.24468) GitHub3 (https://github.com/qhjqhj00/cabeza) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.24468)

在您的智能体中获取这篇论文：

hf papers read 2605.24468

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

未找到引用此论文的模型

在模型 README.md 中引用 arxiv.org/abs/2605.24468 可将其链接到此页面。

引用此论文的数据集 0

未找到引用此论文的数据集

在数据集 README.md 中引用 arxiv.org/abs/2605.24468 可将其链接到此页面。

引用此论文的 Spaces 0

未找到引用此论文的 Space

在 Space README.md 中引用 arxiv.org/abs/2605.24468 可将其链接到此页面。

包含此论文的收藏集 0

未找到包含此论文的收藏集

将这篇论文添加到收藏集 (https://huggingface.co/new-collection) 可将其链接到此页面。