arXiv · AI· Qijia Zhuang (Nanjing University), Rui Liu (Northeastern University), Yuxiang Ren (Nanjing University)·· 17 天前AI 评分25
MemSidecar 如何调度 LLM Agent 的长期任务记忆
Who Schedules Agent Memory? A Sidecar Approach to Long-Horizon Tasks
AI 导读
MemSidecar 将记忆调度与任务执行解耦,通过 Hooks 和 Foresight 两种模式降低 LLM Agent 的调度负担与执行延迟。 Hooks 在预设事件匹配时直接传递记忆,Foresight 则由独立 Agent 并行预测查询并缓存结果。 该方案在 MCP-Persona 基准上分别取得 41.23% 和 44.34% 的分数,提升了长期任务的执行效率。
来源:arXiv · AI · arxiv.org