回到信息流
研究论文 / THE SIGNAL

TokenWorth:资源受限下学习记忆价值

Remembering Has a Price: Learning Memory Worth under Resource Constraints

AI 辅助整理

资讯摘要

论文指出,在生成、交互与记忆预算紧张时,现有终身记忆方法可能失效,部分复杂方法甚至不如简单检索或无记忆智能体。作者提出轻量在线记忆框架 TokenWorth,从稀疏执行反馈中学习与查询相关的记忆价值,并用于检索与有界记忆管理。作者报告在三个 LifelongAgentBench 环境及本地和 API 部署中,该方法任务成功率最高且输出 token 最少。

要点速读

  • 论文发现资源稀缺时,检索到相关但无效的记忆会占用有限上下文并影响后续执行。
  • TokenWorth 从稀疏执行反馈学习查询相关的记忆价值,统一用于记忆检索和有界管理。
  • 作者报告在三个 LifelongAgentBench 环境及本地、API 部署中,TokenWorth 任务成功率最高、输出 token 最少。

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 2026/10/21 01:00:13(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。

阅读 arXiv · cs.AI 原文arxiv.org · 在新窗口打开