标签
本文对用于记忆增强LLM智能体的记忆基质进行了全面评估，发现没有单一基质在所有条件下占主导地位，并提倡采用自适应基质路由来优化不同操作条件下的性能。
本文介绍了面向记忆增强智能体的依赖引导回滚修复方法，该方法利用运行时来源信息构建类型化的记忆到行动图，在保留良性状态的同时选择性地撤销错误记忆的影响，并在基准测试中取得了强劲的恢复效果。
MemHarness 是一个框架，它使 LLM 智能体能够根据当前语境重构过去的经验，而不是逐字重放它们，从而在 ALFWorld 和 WebShop 上提升性能，同时减少负迁移。
MemLens是一个新的基准测试，通过多轮对话评估大规模视觉-语言模型的记忆能力。它比较了长上下文和记忆增强方法，揭示了二者的局限性，并推动了混合架构的发展。