כתבה
arXiv cs.AI ·
HasMem: זיכרון רך מותאם לסוכנים LLM ארוכי טווח
HasMem: Hard-Origin Adaptively Softened Memory for Long-Term LLM Agents
HasMem הוא זיכרון רך מותאם לסוכנים LLM ארוכי טווח. הוא מאפשר שימוש חוזר באינטראקציות קודמות ומשפר את היכולת להבין הקשר. המודל משתמש ב-Writer ו-Reader כדי לכתוב ולקרוא זיכרון.
תקציר מקורי באנגליתarXiv:2609.30797v1 Announce Type: new Abstract: Text-based memory and context compression support reuse of past interactions. Resizing continuous memory changes the input to a frozen LLM, coupling capacity allocation with readout. We propose Hard-Origin Adaptively Softened Memory (HasMem). Frozen hard-prompt embeddings provide a verifiable initial state. A controller adjusts memory widths, a Writer re-encodes resized entries, and Reader and Global provide readout adaptation and cross-turn state. On all $535$ questions in a reconstruction probe derived from the Multi-Session Chat (MSC) development split, the main configuration achieves lexical F1 of $95.3$ ($+4.4$ percentage points) at $93.6\%$ of the hard reference's framed memory positions. With approximately matched per-question target b
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית