MFM 以多模态文件系统记忆提升长时程智能体任务表现。
资讯摘要
论文提出 MFM，一种多模态文件系统记忆架构，为长时程智能体保留互补记忆：情景记忆存观察、动作与结果，空间记忆把经验与位置关联，语义与程序记忆积累通用知识和可复用方法，工作记忆保存当前计划。系统用可检索文本记录连接各表示与底层多模态片段，智能体可凭上下文线索找回旧经验并查看原始观察补全细节。在 Minecraft 与电脑操作任务中，作者报告三种基座模型性能提升。
要点速读
- MFM 用可检索文本记录串联情景、空间、语义、程序与工作记忆，并可回溯原始多模态片段。
- 作者报告在长时程 Minecraft 与电脑操作任务上，三种基座模型均获性能提升。
- 使用 GPT-6-Astra 时，MFM 完成 Mine Diamond from Scratch，Ender Dragon 任务达成 24 个里程碑中的 16 个，最佳基线为 12.7；CUABench-KiCad 平均奖励 0.440，最佳基线 0.400，无持久记忆为 0.267。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。