Weighted Memory Tree：长程 agent 记忆省 33% token 还涨 10 分
dair_ai · x · 2026-08-25
一种让长期运行 agent 拥有记忆的新方法 Weighted Memory Tree：把执行组织为任务、子任务、动作三层，并给每条记忆一个动态的保留分数——事件触发更新会加分，未被选中则衰减降分。
核心机制是「折叠」：子任务完成后，其逐步细节压缩成短摘要，完整版本仍可检索；后续步骤需要细节时 agent 可以随时取回。传统上下文裁剪是永久性的，删错一轮就无法恢复，而折叠在省 token 的同时保留了回溯路径。
实验在 GAIA-Text 上用 Qwen3-8B、Gemma 4 E4B 和 Llama-3.1-8B 验证：平均超过线性记忆 9.97 分，同时少用 32.8% 的 prompt token。记忆投毒实验还表明保留评分能限制不可靠信息的扩散范围。
「编程与Agent」频道最新
- 仅靠模糊 Prompt 无法从头构建新软件 — zeeg · 2026-08-25
- 用 MCP 接入健康数据：Claude 直接看验血报告 — Reasonable_Scene5364 · 2026-08-25
- 开发者实测 Conductor MCP：管理云端会话 — vinvan · 2026-08-25
- PyTorch 确定性算法 issue：跨设备随机数一致性难题 — rice_fry · 2026-08-25
- Replit 免费模式实战：压力测试、迭代与改进三步法 — amasad · 2026-08-25
- 开发者让 Qwen 27B 自主编写 C 编译器，六周跑出可产 x64 ELF 成品 — Naiw80 · 2026-08-25