论文页面 - SimpleMem：面向LLM智能体的高效终身记忆系统

来源：https://huggingface.co/papers/2601.02553

摘要

为了在复杂环境中支持可靠的长期交互，LLM智能体需要能够高效管理历史经验的记忆系统。现有方法要么通过被动上下文扩展保留完整的交互历史，导致大量冗余；要么依赖迭代推理来过滤噪声，产生高昂的token成本。为解决这一挑战，我们提出了SimpleMem，一种基于语义无损压缩的高效记忆框架。我们设计了一个三阶段流水线，旨在最大化信息密度和token利用率：(1) 语义结构化压缩，应用熵感知过滤，将非结构化交互提炼为紧凑的多视角索引记忆单元；(2) 递归记忆整合，一个异步过程，将相关单元整合为更高级的抽象表示以减少冗余；(3) 自适应查询感知检索，根据查询复杂度动态调整检索范围，以高效构建精准上下文。在基准数据集上的实验表明，我们的方法在准确性、检索效率和推理成本方面持续优于基线方法，平均F1提升26.4%，同时推理时token消耗降低高达30倍，展示了性能与效率之间的卓越平衡。代码可在 https://github.com/aiming-lab/SimpleMem 获取。

查看 arXiv 页面 (https://arxiv.org/abs/2601.02553) 查看 PDF (https://arxiv.org/pdf/2601.02553) 项目页面 (https://aiming-lab.github.io/SimpleMem-Page/) GitHub 3.39k (https://github.com/aiming-lab/SimpleMem) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2601.02553)

在你的智能体中获取此论文：

hf papers read 2601.02553

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

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2601.02553 即可从此页面链接。

引用此论文的数据集2

molmohsen/awesome-ai-agent-papers (https://huggingface.co/datasets/molmohsen/awesome-ai-agent-papers)

zhongweixie/A-Survey-on-AI-Agent-Harness Viewer • 更新于2天前 • 1 • 28 (https://huggingface.co/datasets/zhongweixie/A-Survey-on-AI-Agent-Harness)

引用此论文的空间0

没有空间链接此论文

在空间 README.md 中引用 arxiv.org/abs/2601.02553 即可从此页面链接。

包含此论文的收藏集4