论文提出以记忆驱动智能体持续学习的新框架与评估协议。
资讯摘要
论文提出以记忆为中心的持续学习（MCCL），认为记忆应以其是否改善未来行动来评判，而非仅看检索能力。MCCL包含三部分：按存储载体、资产形式与管理策略划分的三轴分类法，并定义内外双环生命周期；衡量干扰下保持、变化适应与任务迁移的评估协议；以及刻画智能体性能随经验、存储容量与算力预算变化的记忆扩展框架。
要点速读
- 论文提出MCCL，主张记忆的价值在于提升未来行动，而非仅作为被动检索缓存。
- 三轴分类法按状态存储位置、资产形式和管理策略组织记忆，并定义内环更新记忆状态、外环依据任务反馈优化管理策略的双环生命周期。
- 评估协议从干扰下的保持、对变化的适应和任务迁移三方面衡量，以区分真实行为增益与单纯的上下文扩展。
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 2026/10/23 08:00:11（北京时间）。