RSM 记忆方法：4k 预算下以 32% token 达 83% 质量

针对长时运行 agent 的记忆管理，新方法 RSM（RSM-full）将记忆写入时的合并与检索内容的组装两件常被混为一谈的事拆开处理：先把相关记忆分组并整体召回，再以原子感知方式打包进 prompt。论文《Compact-Memory LLM Agents via Online Max-Member Clustering and Atom-Aware Packing》显示，在约 4k token 预算下，该方法仅用 32% 的 token 成本即可达到全上下文 83% 的记忆质量，效果优于更复杂的检索方案。

2026-09-09 ~ 2026-09-11 · 3 条相关

• RSM 记忆方法：4k 预算达全上下文 83% 质量，token 成本仅 32% — dair_ai · 2026-09-09
• 先整理再检索：RSM-full 以 32% token 保住 83% 记忆质量 — rohanpaul_ai · 2026-09-11
• RSM-full 论文:4k 预算下以 32% token 成本达全上下文 83% 质量 — rohanpaul_ai · 2026-09-11