济宁企业做网站,昆山市建设局招投标网站,wordpress 首页 缩略图,网页设计课程安排在处理复杂多步推理任务时#xff0c;大模型的记忆管理面临上下文窗口限制。介绍本文AgeMem框架#xff0c;它通过统一管理长期记忆#xff08;LTM#xff09;和短期记忆#xff08;STM#xff09;#xff0c;使agent自主决定信息存储、检索、更新与丢弃。该框架采用三阶…在处理复杂多步推理任务时大模型的记忆管理面临上下文窗口限制。介绍本文AgeMem框架它通过统一管理长期记忆LTM和短期记忆STM使agent自主决定信息存储、检索、更新与丢弃。该框架采用三阶段渐进式强化学习和步进式GRPO优化策略有效协调记忆操作在五个基准测试中显著提升性能。实验证明AgeMem不仅提高任务表现还优化了记忆质量为构建高效长时程推理agent提供了新思路。当 agent面对需要多步推理的复杂任务时有限的上下文窗口成为最大瓶颈。现有方法将长期记忆和短期记忆分开处理依赖人工规则或辅助模型导致系统复杂且难以端到端优化。论文提出的AgeMem框架首次实现了两种记忆的统一管理让agent自主决定何时存储、检索、更新或丢弃信息在五个基准测试上取得显著提升。记忆管理的核心痛点在长时程agent任务中记忆通常分为两类LTM(Long-Term Memory长期记忆)用于持久存储用户或任务相关知识STM(Short-Term Memory短期记忆)则是当前输入上下文中的信息。高质量的LTM支持高效检索积累的知识有效的STM管理则减少冗余并保留关键上下文。然而现有研究将LTM和STM作为独立组件处理。STM增强通常依赖RAG(Retrieval-Augmented Generation检索增强生成)方法但这些方法严重依赖预定义调度或启发式规则可能遗漏不频繁但关键的细节。LTM管理则分为触发式和agent式两种范式前者在预定义时刻执行固定操作后者引入专门的记忆管理器但大多仍依赖手工规则或辅助专家模型。[Figure 1: 独立与统一记忆管理框架的比较] 论文对比了三种架构(左)传统框架采用静态STM和触发式LTM(中)独立框架增加记忆管理器以agent方式控制LTM但STM仍为静态(右)AgeMem框架通过显式工具操作联合智能管理LTM和STM。实现统一记忆管理面临三大挑战(1)功能异质性协调——LTM决定存储、更新或丢弃什么STM管理检索、摘要或从上下文中移除什么(2)训练范式不匹配——现有RL(Reinforcement Learning强化学习)框架对两种记忆采用不同训练策略且标准RL假设连续轨迹与稳定奖励与记忆操作产生的碎片化经验相冲突(3)实际部署约束——许多系统依赖辅助专家LLM进行记忆控制显著增加推理成本。AgeMem统一的agent记忆框架论文提出Agentic Memory(AgeMem)将LTM和STM管理直接整合到agent的决策过程中。核心创新在于通过统一的工具接口让LLM自主调用和执行两种记忆的操作。在每个时间步agent观察由对话上下文、长期记忆存储和任务规范组成的状态从包含语言生成和记忆操作的混合动作空间中选择动作。[Table 1: AgeMem中用于操作LTM和STM的记忆管理工具] 论文定义了六种工具LTM工具包括ADD(添加新知识)、UPDATE(修改条目)、DELETE(删除条目)STM工具包括RETRIEVE(从LTM检索到上下文)、SUMMARY(摘要上下文片段)、FILTER(过滤无关片段)。1三阶段渐进式RL策略为学习统一稳定的记忆行为论文设计了三阶段训练策略阶段1(LTM构建)agent在随意对话场景中接触上下文信息目标是识别重要信息并存入LTM。阶段2(干扰下的STM控制)短期上下文被重置但构建的LTM保留。agent面对语义相关但无关或误导性的干扰内容学习通过工具操作主动控制STM如过滤或摘要上下文以抑制噪声。阶段3(综合推理与记忆协调)agent接收需要准确推理和有效记忆检索的正式查询必须从LTM检索相关知识、适当管理上下文并生成最终答案。2步进式GRPO优化论文采用GRPO(Group Relative Policy Optimization组相对策略优化)的步进式变体将长程任务奖励与跨阶段的记忆决策连接起来。对于每个任务的并行rollout组计算终端步骤的组归一化优势然后广播到同一轨迹的所有前序步骤。这样最终任务结果监督每个中间记忆决策实现跨异质阶段的长程信用分配。3复合奖励函数总轨迹奖励包含三个组件(1)任务完成奖励——使用LLM评判器评估agent是否正确解决任务(2)上下文管理奖励——评估STM行为结合压缩效率、预防性操作和信息保留三个因素(3)记忆管理奖励——评估LTM操作聚合存储质量、维护和语义相关性信号。此外还有惩罚项阻止上下文溢出或超过交互限制等不良行为。实验验证论文在五个数据集上评估ALFWorld、SciWorld、PDDL、BabyAI和HotpotQA涵盖具身动作、游戏推理和知识密集型问答。AgeMem仅在HotpotQA训练集上用RL微调然后直接在所有数据集上评估。[Table 2: 五个基准测试的性能比较] AgeMem在Qwen2.5-7B-Instruct上达到41.96%平均性能在Qwen3-4B-Instruct上达到54.31%相比无记忆基线分别提升49.59%和23.52%。与最佳基线相比AgeMem平均提升4.82和8.57个百分点。RL训练相比AgeMem-noRL贡献了8.53和8.72个百分点的提升。[Figure 2: 不同方法在HotpotQA上的记忆质量分数] AgeMem在两个模型骨干上分别达到0.533和0.605的MQ(Memory Quality记忆质量)分数表明统一记忆管理框架不仅提升任务性能还促进高质量可复用知识的存储。[Figure 3: 不同STM管理配置下的平均提示token数] 在Qwen2.5-7B-Instruct上AgeMem使用2117个token比无STM工具版本减少3.1%在Qwen3-4B-Instruct上减少5.1%证明学习的STM管理工具有效控制上下文扩展。[Table 3: HotpotQA上的工具使用统计] RL训练显著增加LTM工具使用特别是ADD操作从0.92升至1.64UPDATE操作从接近零升至0.13。STM工具使用更加平衡FILTER频率从0.02升至0.31表明RL训练实现了协调自适应的记忆管理。1消融研究[Figure 4: LTM、STM和RL组件的消融研究] 仅添加LTM(LT)相比基线获得10.6%、14.2%和7.4%的提升。加入RL训练(LT/RL)进一步提升性能特别是在HotpotQA上提升6.3%。完整AgeMem系统(LT/ST/RL)在所有基准上达到最佳总体提升13.9%、21.7%和16.1%。[Figure 5: GRPO训练期间的奖励收敛曲线] 完整奖励函数(All-Returns)比仅任务奖励(Answer-Only)收敛更快且最终性能更高。[Table 4: 奖励函数消融] All-Returns策略达到更高的LLM评判分数(0.544 vs 0.509)同时保持更好的记忆质量(0.533 vs 0.479)。AgeMem证明了将记忆管理从外部启发式流程转变为可学习机制的可行性和有效性。通过将记忆操作直接整合到agent策略中并用渐进式强化学习训练agent能够学会在复杂推理场景中自适应地协调长短期记忆。这一方向为构建能够进行长时程推理的可扩展自适应LLM agent提供了重要参考。如何系统的学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。一直在更新更多的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】01.大模型风口已至月薪30K的AI岗正在批量诞生2025年大模型应用呈现爆发式增长根据工信部最新数据国内大模型相关岗位缺口达47万初级工程师平均薪资28K数据来源BOSS直聘报告70%企业存在能用模型不会调优的痛点真实案例某二本机械专业学员通过4个月系统学习成功拿到某AI医疗公司大模型优化岗offer薪资直接翻3倍02.大模型 AI 学习和面试资料1️⃣ 提示词工程把ChatGPT从玩具变成生产工具2️⃣ RAG系统让大模型精准输出行业知识3️⃣ 智能体开发用AutoGPT打造24小时数字员工熬了三个大夜整理的《AI进化工具包》送你✔️ 大厂内部LLM落地手册含58个真实案例✔️ 提示词设计模板库覆盖12大应用场景✔️ 私藏学习路径图0基础到项目实战仅需90天第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】