论文页面 - PREPING：无需任务构建智能体记忆

来源：https://huggingface.co/papers/2605.13880

摘要

Preping 是一个任务前记忆构建框架，它利用提议者引导的合成实践来提高智能体在新环境中的性能，同时降低部署成本。

智能体记忆通常要么从精选的演示中离线构建，要么从部署后的交互中在线构建。然而，无论以何种方式构建，智能体在首次进入一个没有任务特定经验的新环境时，都会面临冷启动缺口。在本文中，我们研究任务前记忆构建：智能体是否可以在观察到任何目标环境任务之前，仅通过自我生成的合成实践来构建程序性记忆。然而，仅靠合成交互是不够的，因为如果不控制练习什么、存储什么，合成任务就会变得冗余、不可行，最终失去信息价值，并且记忆会因为未经过滤的轨迹而迅速退化。为了克服这一点，我们提出了 Preping，一个提议者引导的记忆构建框架。其核心是提议者记忆，一种结构化的控制状态，用于塑造未来的练习。提议者根据该状态生成合成任务，求解器执行这些任务，验证器决定哪些轨迹有资格插入记忆，同时提供反馈以指导未来的提议。在 AppWorld、BFCL v3 和 MCP-Universe 上的实验表明，Preping 相比无记忆基线有显著提升，并且达到了与基于离线或在线经验构建的强大剧本方法的竞争性能，在 AppWorld 上的部署成本比在线记忆构建低 2.99 倍，在 BFCL v3 上低 2.23 倍。进一步分析表明，主要收益并非来自合成量本身，而是来自提议者侧对可行性、冗余性和覆盖度的控制，以及选择性记忆更新。

查看 arXiv 页面 (https://arxiv.org/abs/2605.13880)
查看 PDF (https://arxiv.org/pdf/2605.13880)
项目页面 (https://dozi01.github.io/preping-project-page/)
GitHub0 (https://github.com/Dozi01/PREPING)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.13880)

在您的智能体中获取此论文：

hf papers read 2605.13880

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

引用此论文的模型0

无模型链接此论文

请在一个模型的 README.md 中引用 arxiv.org/abs/2605.13880 以将其链接至此页面。

引用此论文的数据集0

无数据集链接此论文

请在一个数据集的 README.md 中引用 arxiv.org/abs/2605.13880 以将其链接至此页面。

引用此论文的 Space0

无 Space 链接此论文

请在一个 Space 的 README.md 中引用 arxiv.org/abs/2605.13880 以将其链接至此页面。

包含此论文的收藏0

无收藏包含此论文

请将此论文添加到一个收藏 (https://huggingface.co/new-collection) 中以将其链接至此页面。