论文提出流式个性化方法 Pulse，在两个基准上取得最高分。
资讯摘要
论文提出 Pulse，一种面向长周期任务的流式个性化方法。针对现有记忆增强方法主要依据初始请求检索记忆、对执行过程感知有限的问题，Pulse 引入独立的轻量记忆代理，持续监控任务执行，识别新出现的个性化需求与偏好冲突，并借助用户与项目记忆在合适阶段进行干预；作者用强化学习优化干预时机与方式。作者报告其在 π-Bench 得 71.9%、MCP-Persona 得 46.4%，为对比方法中最高，并提升任务执行效率。
要点速读
- Pulse 由独立轻量记忆代理持续监控长周期任务执行，识别个性化需求与偏好冲突。
- 该方法用强化学习优化记忆代理何时、如何干预，以提升个性化支持的及时性与准确性。
- 作者报告 Pulse 在 π-Bench 得 71.9%、MCP-Persona 得 46.4%，均为对比方法中最高。
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 2026/11/4 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。