latent-memory

ElasticMem 为 LLM 智能体引入了一种可学习的潜在记忆机制，该机制能够自适应地为检索到的记忆分配可变预算，从而在减少 token 成本的同时，提升内存密集型问答和具身智能体任务的性能。

本文介绍了JAMEL框架，该框架利用新奇信号联合训练代理记忆与探索策略，从而在开放环境中实现高效探索，并降低计算成本。

本文将上下文蒸馏表述为一个潜在记忆管理问题，提出一个框架，将蒸馏后的上下文存储为独立的LoRA适配器，并通过检索、路由和自门控机制来提高鲁棒性和效率。