情境条件化思考策略记忆框架

Hong Su提出并实验评估一种面向长期运行LLM智能体的情境条件化思考记忆框架，将历史推理经验压缩为预测当前情境应思考内容的轻量策略，具体推理仍由大语言模型完成。基于论文摘要，该策略在时序规则泛化上达到1.000 F1，将DeepSeek推理F1从0.789提高至0.868；在积累3万条历史情境后，每次查询在线处理时间从0.3636毫秒降至0.0382毫秒。 该框架会跨多个独立经历分析临时经验、巩固重复出现的长程规律，再将其内化进策略。只有在获得足够的重复跨经验证据后，关系发现F1和未来思考准确率才达到1.000；这些结果属于论文报告的实验范围，尚不能视为独立复现或普遍性能结论。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。