JointCore：LLM Agent记忆选择的交互感知充分集基准与基线

BHVSP Subrahmanyam与Neeraj Choudhary发布论文，针对LLM Agent每决策记忆选择中冗余证据和联合必要证据导致充分子集难以识别的问题，提出基准JointCoreBench与基线方法JointCore，用于评估从记忆中选出能保持全量记忆行为的小子集的效果。 JointCoreBench包含9类交互关系、6个工作流领域、自然语言决策和精确充分集标注（oracle），设计目的是把搜索错误与模型错误区分开；JointCore是一种按相关性成本排序的组删除基线，先测试记录块再测试单条记录。 论文称JointCore是高效的基准基线，两种方法在确定性主接口下都能保持全量记忆行为；该研究不构成可直接部署的记忆压缩方案。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。