标签
作者批评当前AI智能体的记忆系统沿用旧的数据工程模式,强调了记忆中存在差距的风险,并主张在分层摘要之前使用可审计的原始轨迹。
ThinkFlow 是一种新颖的端到端潜变量记忆框架,专为终身对话代理设计,通过概率向量克服文本记忆瓶颈。它通过自进化和测试时学习实现自主个性化,性能超越现有记忆系统。
EchoPath 引入了一种模型无关的记忆系统,用于GUI代理,该系统重放经过验证的执行轨迹,显著降低了企业重复任务的token成本和执行时间。
文章解释了为什么知识图谱在AI系统的记忆存储中优于平面列表,因为它们能有效处理对同一实体的多个引用,并防止搜索结果的碎片化或矛盾。
作者使用简单的MEMORY.md设置,将一家记忆初创公司的产品与他们的OpenClaw代理进行了测试,发现该初创公司的运行时无法处理时间数据,而基于markdown的方法却有效。他们开源了该设置并分享了代理内存管理的指南。
SimSkill是一个终身学习AI代理,通过识别能力差距、生成任务并使用记忆系统来提高性能,自主掌握交通仿真,在基准测试中任务完成率提升高达25%。
本文探讨了AI智能体中的记忆是必不可少的,还是对不良架构的变通方案,并询问从业者在生产系统中需要持久化哪些内容。
本文探讨了为AI智能体设计可供人类审计的记忆系统,建议引入来源、范围和过期规则等字段,以保持清晰性并防止信息过时。
AQuA v2预印本介绍了一种为研究智能体设计的记忆系统,该系统利用已接受和拒绝实验的持久证据来指导未来的提案,强调了证据生命周期管理的重要性。
作者质疑现有的代理内存设置是否跟踪学习到的工作流程的成功率,并提出了他们使用计数器和进化日志的方法,寻求该领域的现有技术或惯例。
GitHub排行榜上多个AI Agent工具和框架(如mattpocock/skills、obra/superpowers等)因创新性和实用性受到广泛关注,标志着AI Agent发展从会说话的智能体转向有技能标准、持久上下文和多Agent协作的基础设施。
文章分享了一个发现,在AI代理系统中,真正的问题不是遗忘,而是记住不可信的信息,导致错误假设在系统中传播。
本文比较了三种常见的智能体记忆系统形态——基于文件的、结构化存储和基于经验的,并通过一个使用常见智能体循环和开源模型的基准测试评估了它们的有效性。
本文利用神经科学论证AI代理在企业中失败是因为它们缺乏像海马体那样快速、公司特定的记忆系统,并提出以治理为重点的解决方案来整合现实世界的流程。
本文探讨了AI记忆的测量问题,并指出MemoraX AI在首个Agent Memory Leaderboard商业产品中排名第一,强调了代理记忆系统的进步。
本文对三种智能体记忆系统(Mem0、Hindsight、Mastra Observational Memory)与参考策略在多种对话主干模型上的服务成本进行了基准测试,发现成本主要由内部记忆行为驱动,盈亏平衡点差异很大,且没有系统能在成本和准确性上同时胜出。
Introduces FinPerMA, an event-grounded benchmark for evaluating personalized memory in LLM agents for financial advising, showing that current models and memory systems remain far from saturated.
介绍了factwash,一个开源的写入时门控,它通过去除来源归属、模糊限制语或时间语境,确定性地捕捉将传闻变成事实的AI改写。本文分析了何时简单检查就足够、何时需要LLM见证者,并在大型标注语料库上评估了该方法。
RoMeRL 提出了一种用于自进化 LLM 智能体的降阶记忆强化学习方法,该方法平衡了反馈覆盖度并避免了记忆-奖励陷阱。在 ALFWorld 和 LifelongAgentBench 上的实验表明,RoMeRL 提升了任务性能,将 Cold-Q 比率降低了 80%,提高了反馈密度,并减少了维护的记忆数量和 LLM 调用次数。
一位开发者对8个AI智能体记忆系统运行了2,176项任务,发现由智能体自行维护的纯文本Markdown wiki胜过了所有商业产品,其中Mitosis Cortex是最佳的托管选项。