MEMIG：面向抗体优化的自演化记忆构建框架

论文提出可索引、定量、结构化的智能体记忆框架 MEMIG。

资讯摘要

论文提出 MEMIG，一种面向生物分子优化的智能体记忆构建框架。作者认为科学发现中的经验常是特定情境下由 oracle 测得的量值，而非可叙述文本，因此主张记忆应可索引、定量且结构化。MEMIG 为每条洞见分配领域标识符并累积定量效应，使更新局部化、检索变为精确查找，同时连接共同施加的干预并分解评估集以度量上位效应。作者报告在多数计算机抗体优化任务设置中性能提升。

要点速读

1. 论文指出，现有自演化 LLM 智能体以自由文本存储并重写经验，不适合以 oracle 测量值为核心的科学优化任务。
2. MEMIG 为洞见分配领域标识符并累积定量效应，使更新局部化、检索成为精确查找。
3. MEMIG 连接共同施加的干预并分解评估集以度量上位效应；作者报告在多数 in silico 抗体优化任务设置中性能提升。

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 2026/11/3 08:00:27（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。