面向长期 LLM 代理的偏好感知记忆更新 ArXiv ID: 2510.09720作者: Haoran Sun, Zekun Zhang, Shaoning Zeng机构: Hong Kong Polytechnic University发布日期: 2025-10-10 摘要影响基于 LLM 代理推理能力的关键因素之一是其利用长期记忆的能力。虽然最近的进展显著改进了存储和检索组件，但大多数现有方法在记忆更新方面存在不足——缺乏根据不断演变的用户行为和上下文动态优化偏好记忆表示的机制。本文提出 PAMU（Preference-Aware Memory Update），通过整合滑动窗口平均（SW）和指数移动平均（EMA），构建融合的偏好感知表示。在 LoCoMo 数据集上，PAMU 在五个任务场景中准确率提升15-25%。 问题背景长期代理中的记忆挑战123456789101112...

阅读全文

增强代理长期记忆的多重记忆系统 ArXiv ID: 2508.15294作者: Gaoke Zhang, Bo Wang, Yunlong Ma, Dongming Zhao, Zifei Yu机构: Shandong University, Alibaba Group发布日期: 2025-08-21 摘要由大型语言模型驱动的代理取得了令人印象深刻的成果，但有效处理交互过程中产生的大量历史数据仍然是一个挑战。现有方法如 MemoryBank 和 A-MEM 存在记忆内容质量差的问题，影响了检索性能和响应质量。本文提出 MMS（Multiple Memory Systems） 架构，灵感来自人类认知科学的多重记忆理论。系统包含三个独立但协同工作的记忆子系统：程序性记忆、语义记忆和情节记忆。实验表明，MMS 相比单一记忆系统在响应相关性上提升35%，事实准确性提升40%。 问题背景...

阅读全文