arXiv · cs.AI· Guannan Lai, Zi-Yang Bai, Jun-Peng Jiang, Han-Jia Ye·· 2 天前
TokenWorth：在资源约束下学习值得记忆的经验
Remembering Has a Price: Learning Memory Worth under Resource Constraints
arXiv:2610.26453v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Guannan Lai, Zi-Yang Bai, Jun-Peng Jiang, Han-Jia Ye
研究任务与主要进展
Guannan Lai等提出TokenWorth在线记忆框架，利用稀疏执行反馈学习与查询相关的记忆价值，用于记忆检索和有界记忆管理。基于论文摘要，该方法在三个LifelongAgentBench环境及本地和API部署中，在所评估方法里以最少输出 token取得最高任务成功率；代码公开于 https://github.com/AIGNLAI/TokenWorth。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org