利用记忆: 记忆智能体中记忆底物的整体评估

摘要

记忆正成为长时程LLM智能体的核心基础设施，但现有评估对不同运行机制下应选择哪种记忆底物（即记忆表示和存储的底层媒介）指导有限。我们提出一个受控的底物评估框架，涵盖密集和稀疏索引、文本记录、结构化存储、分层存储、基于精炼的记忆、参数更新和激活兼容上下文机制。在三个骨干模型和四个基准套件（涵盖用户中心的问答和智能体中心的决策）上，我们统一测量了26个效率和性能指标。结果显示没有单一底物始终占优：广泛检索有利于长上下文事实问答，但过度检索可能通过转移对关键上下文注意而损害顺序决策。可扩展性引入额外路由维度，因为中等历史长度下表现良好的底物在更长时序可能变昂贵或脆弱。这些发现推动底物路由作为自适应智能体记忆系统的必要组件，并为设计高效、可靠、机制感知的长期记忆提供经验指导。代码将在接受后提供。