跳到正文
arXiv · ML· Tianhao Guo, Chongyao Guo·· 17 天前AI 评分38

智能体记忆作为受限过滤:显式状态在依赖读者的 horizon 下优于长上下文

Agent Memory as Rate-Limited Filtering: Explicit State Outlasts Long Context Beyond a Reader-Dependent Horizon

AI 导读

7B-32B 开放模型在 256 事件日志中准确率跌至 48%-55%,而 32B 推理模型读取当前状态可达 96%-98%。 120B 推理模型在 1024 事件时落后显式状态约 10 个点,表明“状态超越长上下文”的边界随读者能力变化。 该研究将智能体记忆建模为递归过滤,证明基于状态依赖的写时选择优于查询时检索及 Mem0 等方案。

来源:arXiv · ML · arxiv.org