Just-in-Time Memory 在新任務到來時整理原始智能體軌跡
DAIR.AI 介紹了 Salesforce AI Research 的論文 Just-in-Time Memory。該論文保留原始軌跡,只在下一項任務到來後才寫出簡短的記憶載荷,並報告在 ALFWorld、WebShop 和 tau2-bench 上,成功率較最強基線分別高出 16.2、16.3 和 3.9 個百分點。
DAIR.AI 介紹了 Salesforce AI Research 的論文 Just-in-Time Memory。該論文保留原始軌跡,只在下一項任務到來後才寫出簡短的記憶載荷,並報告在 ALFWorld、WebShop 和 tau2-bench 上,成功率較最強基線分別高出 16.2、16.3 和 3.9 個百分點。
Jev-Mem 論文提出一種代理式記憶架構,由輕量控制器決定儲存與檢索,LLM 只用於最終推理。論文報告記憶建構快 6.6 倍、查詢延遲降低 36.7%,LoCoMo 得分為 0.777。
WFM 把 LLM wiki 轉成圖,並以受查詢條件化的訊息傳遞進行檢索,讓頁面文字與頁面之間的連結共同影響結果。團隊表示,一套 GPU 對 GPU 訓練協議的訓練速度快 10.5 倍,並在五項涵蓋智能體記憶與多跳推理的基準測試中取得強勁結果。