MemCon将LLM智能体记忆管理建模为MDP在线学习

论文作者（Eric Hanchen Jiang 等）在 arXiv 发布论文，提出 MemCon 框架，将 LLM 智能体的记忆操作建模为马尔可夫决策过程，在线学习策略以决定何时检索、检索什么及多少、何时注入精炼计划以及何时整合或遗忘记忆。 作者报告，在 6 个基准、3 个智能体框架和 3 个 LLM 后端上，MemCon 相较多种记忆基线最高提升 15.2 个任务成功率点，同时减少 5%–20% 的 token 消耗；该方法无需预训练和额外 LLM 调用。以上结果基于论文摘要，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。