Компьютерная наука > Расчет и язык [представлен 13 сентября 2026 года] Название: Retrieval-Driven Memory Reconsolation for LLM Agers View PDF HTML (экспериментальное) Резюме: Долгосрочная память имеет важное значение для агентов на основе LLS, работающих над расширенными взаимодействиями. Существующие системы памяти в основном обновляют память, когда появляется новая информация, рассматривая поиск как конечную точку доступа к памяти, а не как двигатель эволюции памяти. Следовательно, для реорганизации памяти в целях обеспечения постоянного доступа к ней редко используется обратная связь. Кроме того, большинство существующих подходов опираются на заранее определенные структуры памяти вместе с фиксированными трубопроводами для поиска информации, что ограничивает способность агента организовывать и развивать собственную память самостоятельно. Вдохновляемые реконструкцией памяти в когнитивной нейрофизике, мы предлагаем /textbf {REALM} — эconsolation-\textsbf_e}volution d'texTextbfr {a}gentif l}долгосрочную intextermbf(м)эмориальную структуру. Он моделирует долгосрочную память как непрерывный жизненный цикл, самостоятельно организуя воспоминания в разнородный когнитивный график, извлекая доказательства с помощью адаптивных атомов поиска графа и постоянно восстанавливая воспоминание на основе обратной связи. В рамках проекта REALM средняя точность достигает 75,97/% на LoComo и 65.11\% на Лонг-Мемевале, превысив самые сильные исходные значения соответственно на 7,17 и 1,31 пункта.…
Восстановление памяти в случае долгосрочных агентов LLM
arXiv: 2609.16053v1 Annuales Type: New Humber Brieflow: Долгосрочная память имеет важное значение для агентов на основе LLM, работающих над расширенными взаимодействиями. Существующие системы памяти в основном обновляют память, когда появляется новая информация, рассматривая поиск как конечную точку доступа к памяти, а не как двигатель эволюции памяти. Следовательно, для реорганизации памяти в целях обеспечения постоянного доступа к ней редко используется обратная связь. Кроме того, большинство существующих подходов опираются на заранее определенные структуры памяти вместе с фиксированными трубопроводами для поиска информации, что ограничивает способность агента организовывать и развивать собственную память самостоятельно. Вдохновляемые реконструкцией памяти в когнитивной нейрофизике, мы предлагаем /textbf {REALM} — эconsolation-\textsbf_e}volution d'texTextbfr {a}gentif l}долгосрочную intextermbf(м)эмориальную структуру. Она моделирует долгосрочную память как непрерывный жизненный цикл, самостоятельно организуя воспоминания в разнородный когнитивный график, извлекая доказательства с помощью адаптивных атомов поиска графа и