Компьютерная наука > Расчет и язык [представлен 8 октября 2026 года] Название: SLICE-Mem: Salence-Gated Lightweight Information Curation for Effectied Alment Memory View PDF HTML (экспериментальная) Резюме: Долговременные воспоминания позволяют агентам большой языковой модели поддерживать индивидуализированные и временно последовательные взаимодействия, но повторяющийся вывод LLM в отношении допуска, извлечения и организации памяти приводит к значительным затратам и запоздалости. Мы представляем SLICE-Mem, легкую систему памяти, которая сочетает в себе прием с учетом примесей и извлечение основной информации. В компактном классификаторе определяются повороты пользователя, которые стоит сохранить, а экстрактор на основе семантической зависимости преобразуется в лаконичные записи памяти. Для этого онлайнового трубопровода не требуется звонков с целью получения доступа к системе УЗМ, в то время как перекрестное согласование откладывается на стадию офлайновой консолидации. Мы оцениваем SLICE-Mem на еженедельном подмножестве Memora и LongMemeval-S с использованием хребтов 8B и 30B Qwen для построения памяти и консолидации по обоим контрольным параметрам. По сравнению с базой для анализа данных о состоянии памяти в рамках Qwen3-30B, онлайн-провод SLICE-Mem достиг 46,60 против 46,68 FAMA (Забвающая точность памяти) на Memora Weekly и 56,8% против 59,3% точности LongMemeval-S при одновременном сокращении общего потребления символов LLM соответственно на 92,4% и 99,5%. Эти результаты…
SLICE-Mem: Проверка информации в легком весе с помощью Salence для эффективной памяти агента LLM
arXiv: 2610 33015v1 Annuate Type: New Humber Brieflow: Long-ternal remode (LLM) позволяет агентам большой языковой модели поддерживать индивидуальное и временно связное взаимодействие, но повторяющийся вывод LLM в отношении ввода, извлечения и организации памяти приводит к значительным затратам и запоздалости. Мы представляем SLICE-Mem, легкую систему памяти, которая сочетает в себе прием с учетом примесей и извлечение основной информации. В компактном классификаторе определяются повороты пользователя, которые стоит сохранить, а экстрактор на основе семантической зависимости преобразуется в лаконичные записи памяти. Для этого онлайнового трубопровода не требуется звонков с целью получения доступа к системе УЗМ, в то время как перекрестное согласование откладывается на стадию офлайновой консолидации. Мы оцениваем SLICE-Mem на еженедельном подмножестве Memora и LongMemeval-S с использованием хребтов 8B и 30B Qwen для построения памяти и консолидации по обоим контрольным параметрам. По сравнению с исходным параметром, содержащимся в MemOS при конфигурации Qwen3-30B, онлайновый трубопровод SLICE-Mem