基于依赖引导的回滚修复解决记忆增强型智能体错误

研究提出依赖引导回滚修复法，通过构建记忆-动作图，在保留正常记忆的同时选择性重放受影响的计算，解决智能体记忆污染问题。 方法在150个案例的受控基准测试中实现85.3%的即时恢复率，相比基线方法减少41.8%的LLM调用，但在50个压力测试案例中恢复率为68.0%。 该研究为记忆增强型智能体提供了可验证、低成本的错误恢复方案，平衡了精准修复与计算成本之间的关系。