10:14rohanpaul_ai@rohanpaul_ai精选72°论文提出 FluxMem 记忆系统,将智能体记忆视为不断变化的连接网络,而非静态文件柜。它存储事实、任务片段和可复用技能作为图中的连接点,在任务执行时先收集有用记忆,再根据反馈修复连接(增删链接或调整细节)。长期运行中,重复成功的任务路径会自动转化为可复用技能。在长对话记忆、网页导航和通用助手任务上,FluxMem 取得显著提升,包括 LoCoMo 上 95.06% 平均准确率和 GAIA 上 12.73 个百分点的增益。该研究将智能体记忆从“存储-检索”范式转向“持续修复和强化有效连接”。论文智能体记忆系统图结构FluxMem持续学习推荐理由:做智能体记忆系统的开发者终于有了一个跳出传统检索范式的方案——FluxMem 用图结构动态修复连接,实测效果显著,值得深入研究其实现细节。原文
08:04elvis@omarsar0精选FluxMem 提出将智能体记忆视为异构图不断演化的拓扑结构,而非传统存储。其工作流程分为三个阶段:初始连接形成、反馈驱动优化、以及将成功路径固化为可复用程序回路。执行时能自动修复缺失链接、剪枝干扰并调整抽象粒度。该方法在 LoCoMo、Mind2Web 和 GAIA 三个不同记忆场景下均达到当前最优。论文已公开,适合关注智能体记忆架构的研究者和开发者。论文智能体记忆架构图拓扑FluxMem论文1 个信源在谈推荐理由:FluxMem 把智能体记忆从静态存储升级为动态拓扑,解决了长期任务中记忆碎片化和干扰问题。做智能体系统或记忆建模的团队值得看看这个新范式,可以直接参考其论文思路。原文