Just-in-Time Memory:面向LLM智能体的任务自适应即时记忆整理架构
针对大模型智能体在重用历史经验时普遍采用的“写入时整理”局限,该研究分析了传统方法在任务完成时过早将轨迹蒸馏为固定形式(如反思、工作流或策略)所带来的信息不可逆丢失问题。传统做法在未知未来查询的情况下生成静态摘要,难以适配多样化的下游任务。为此,论文探索了即时自适应记忆构建机制,提升智能体记忆提取与任务匹配的灵活性。
针对大模型智能体在重用历史经验时普遍采用的“写入时整理”局限,该研究分析了传统方法在任务完成时过早将轨迹蒸馏为固定形式(如反思、工作流或策略)所带来的信息不可逆丢失问题。传统做法在未知未来查询的情况下生成静态摘要,难以适配多样化的下游任务。为此,论文探索了即时自适应记忆构建机制,提升智能体记忆提取与任务匹配的灵活性。