有界记忆相关 AI 资讯 · AI 热点

7月3日

09:59

09:59

官方账号arXiv cs.AI@Xiangchen Cheng, Yunwei Jiang, Jianwen Sun, Zizhen Li, Chuanhao Li, Xiangcheng Cao, Yihao Liu, Fanrui Zhang, Li Jin, Kaipeng Zhang

AgenticSTS提出了一种有界记忆合同，通过类型化检索为每个决策组装新提示，避免跨决策原始记录累计。在Slay the Spire 2游戏中，前沿LLM在不同配置下最低难度胜率为0%，而人类开发者报告胜率为16%。固定A0消融实验中，无记忆基线获胜3/10局，添加策略技能层后获胜6/10局，但差异统计不显著（Fisher精确p≈0.37）。研究发布了298条完整轨迹、冻结记忆/技能快照、提示记录和分析脚本的可重复测试平台。

论文 AgenticSTS Slay the Spire 2 LLM智能体有界记忆长时域

推荐理由：AgenticSTS用Slay the Spire 2游戏测试LLM智能体记忆：无记忆胜率3/10，加技能6/10，人类16%。做长时域智能体研究可以参考这个方法论。

5月29日

11:06

11:06

官方账号arXiv cs.AI@Jon Kleinberg, Anay Mehrotra, Amin Saberi, Grigoris Velegkas

这篇论文研究了在有限记忆条件下语言生成的理论极限。传统研究假设学习者能访问全部历史数据，但现实算法只能保留有限信息。作者首先证明了在温和的枚举限制下，即使没有记忆，任何可数无限语言集合仍可生成；否则，他们精确刻画了无记忆生成可行的条件。对于有限集合，他们利用Sperner定理和对称链分解给出了无记忆生成器能达到的最优极小极大密度。进一步发现，滑动窗口（最近W个样本）不改善最坏情况密度，而自适应存储b个历史样本则能提升密度。最后，他们重新审视了极限识别问题，证明在仅记忆上一次猜测的增量变体中，精确识别对三个语言集合即失败，但放宽到“近似”版本后，对任何有限集合都可行。

论文语言生成有界记忆学习理论极限识别 Sperner定理

推荐理由：这篇论文为有界记忆下的语言生成建立了理论基础，对设计内存受限的AI生成系统（如边缘设备上的语言模型）有直接指导意义。做理论或系统优化的开发者值得关注其中的密度与识别界限。