跳到正文
arXiv · NLP· Yiqi Wang, Tongyuan Zhao, Jiaqi Zhang, Yiqun Duan, Zhangkai Wu, Mingkai Zheng, Taotao Cai·· 17 天前AI 评分20

StateGraph 提出依赖感知状态修订,解决长期智能体记忆一致性问题

A State Change Is Local, Its Consequences Are Not: Dependency-Aware State Revision for Long-Term Agent Memory

AI 导读

StateGraph 通过构建状态依赖图,利用反事实验证区分支持依赖与语义相关,解决上游事实变更时衍生状态未同步失效的问题。 在 StateChangeBench 上,其 Impact-F1 在深度 1 时领先 CUPMem 副本 6.9 个百分点,深度 3+ 时领先 26.0 个百分点。 结果表明,显式依赖跟踪可提升动态环境下的选择性记忆修订效果。

来源:arXiv · NLP · arxiv.org