研究人员推出了一种名为UniMem的新型框架，旨在解决大型语言模型（LLM）代理在不断变化的任务流中面临的稳定-可塑性困境。UniMem采用一种带有可学习令牌的自路由机制来动态管理记忆，区分存储在事件缓冲区中用于检索增强执行的新任务，以及整合到可扩展参数记忆中的重复模式。这种方法允许在部署期间无需显式任务标签即可按需扩展记忆，从而提高了长时序流式任务序列的性能和执行保真度。 AI
影响 UniMem的记忆管理方法可以提高LLM代理在复杂、长期任务中的适应性和效率。
排序理由 该集群包含一篇详细介绍LLM代理新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
