FlexA-Mem：面向LLM智能体的预算自适应记忆

FlexA-Mem 用一次写入、按预算渲染的统一记忆兼顾两类智能体场景。

资讯摘要

论文提出 FlexA-Mem，一种面向 LLM 智能体的通用记忆方案：将每段历史一次性写入不可变存储，每次调用时按预算渲染出由记录时间线与细节组成的新记忆，细节由固定规则填充、无需额外 LLM 调用。作者报告在 AppWorld 4k 挑战任务上比第二名方法高 11.5%，在 147 个未使用任务上比带摘要的 A-Mem 高 12.2%；在 LongMemEval 和 LoCoMo 上与不写记忆的关键词检索器相当。代码已开源。

要点速读

1. 论文提出 FlexA-Mem，将历史单元写入不可变存储，每次调用按预算渲染紧凑时间线与细节，细节填充由固定规则完成、不调用 LLM。
2. 作者报告在 AppWorld 4k 挑战任务上超过第二名方法 11.5%，在 147 个未使用任务上超过带摘要的 A-Mem 12.2%。
3. 在 LongMemEval 与 LoCoMo 上，FlexA-Mem 与不写记忆的专用关键词检索器表现相当；消融显示时间线支撑 AppWorld 完成度，细节恢复主要节省步骤并在精确事实上决定准确率。

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 2026/10/28 08:00:17（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。