MemCryst 让冻结模型通过记忆与技能互促实现终身适应。
资讯摘要
论文提出 MemCryst 框架，在冻结语言模型上通过记忆与技能的双向学习实现终身上下文适应：记忆中的重复片段支持技能创建与修订，技能引导的交互又产生新记忆；检索事实与学习技能共同构成上下文，任务结果调整记录的检索影响力而不改写内容。作者报告在具身控制、长文档阅读、对话、数学与代码等十种设置中，MemCryst 在七项对比中领先；ALFWorld 上联合服务成功率 63.17%，记忆单独为 59.83%，技能单独为 50.50%。代码已公开。
要点速读
- 论文提出 MemCryst，用冻结语言模型实现记忆与技能的双向学习，形成终身上下文适应。
- 记忆中的重复片段用于技能创建与修订，技能引导的交互再产生新记忆；任务结果只调整记录的检索影响力，不改写内容。
- 作者报告在十种设置中七项对比领先，ALFWorld 联合服务成功率 63.17%，高于记忆单独 59.83% 与技能单独 50.50%。
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 2026/10/27 08:00:28（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。