ENGRAM 框架:把 Agent 经验写入模型权重,验证通过才删记忆
_reachsumit · x · 2026-11-10
arXiv 论文 ENGRAM 提出一个将 LLM agent 的存储经验固化进模型权重的框架,核心是把「训练准入」与「记忆释放」分开:
- 准入门控:基于学生模型掌握度或足够的成功教师示范,决定哪些技能轨迹用于训练;结合 Engram Trace Graph(ETG)为动作轨迹提供上下文。
- 验证门控:训练后,让更新后的模型在不检索情节记忆的条件下,与「带检索的基座模型」在预留探针任务上对比;只有相对与绝对分数都达标才释放对应记忆记录,失败技能的记忆保留可检索。
- 结果:在交互与推理基准上稳定优于冻结权重 ETG 基线;消融实验支持示范感知准入与选择性 adapter 激活;受控 held-out 对比显示,验证式释放大幅缩小可检索记忆占用,性能接近全保留,优于立即删除和预算匹配删除。
意义在于回答了「agent 记忆何时可以安全离开外部检索库」这一问题,避免训练后过早删除仍有用的指导记录。
「编程与Agent」频道最新
- Fable 5.2 读 1400 条 Slack 和 127 次会议记录,揪出 38 处自相矛盾 — every · 2026-11-10
- MCP 化之后 SaaS 只剩「披风里的数据库」,程序员该苦练推理、Agent 与数据库 — sh_reya · 2026-11-10
- 开发者用 Fable 5.2 一天建出整个 MMO 世界,风格化美术比超写实更能考验新模型 — TAbrodi · 2026-11-10
- 独立裁判逐帧验证：动画克隆 SSIM 0.9938、八项指标全过 — RichardsonDx · 2026-11-10
- AI agent 纯代码克隆 Kurzgesagt 动画：720 帧平均 99.4% 还原 — RichardsonDx · 2026-11-10
- 「Vibe coded」沦为骂人话,Willison、DHH 与 Linux 内核给出同一条责任线 — alvelda · 2026-11-10