כתבה
arXiv cs.AI ·
MeClear: תיקון זיכרון קופרטיבי ומודע לסיכון לצורך סילוק זיכרון לאורך זמן לאג'נטי LLM
MeClear: Cooperative Game-Theoretic Attribution and Risk-Aware Memory Clearance for Long-Horizon LLM Agents
MeClear הוא תשתית לסילוק זיכרון שמזהה זיכרונות שגורמים לנזק ומסיר אותם. הוא משתמש בשיטת Leave One Out ו-Shapley attribution כדי לזהות זיכרונות שגורמים לנזק. MeClear משפר את רמת הזיכרון של LLMs ב-25.5%.
תקציר מקורי באנגליתarXiv:2609.09115v1 Announce Type: new Abstract: Long horizon Large Language Model (LLM) agents rely on external memory systems to preserve user preferences and task knowledge across extended interactions. Conventional retrieval mechanisms optimize semantic compatibility rather than downstream utility, frequently introducing outdated, misleading, or conflicting evidence into the active context. We present MeClear, a task conditioned memory clearance framework that identifies memories featuring negative downstream utility through cooperative attribution and selectively suppresses them from agent execution. MeClear combines Leave One Out screening with sampled cooperative Shapley attribution to distribute utility across interacting evidence, effectively resolving redundant conflict masking wh
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית