MemCredit 论文：语义相关记忆多数对 agent 决策毫无作用
omarsar0 · x · 2026-11-14
UESTC 与南洋理工等机构的论文提出 MemCredit，主张 agent 记忆管理应从「语义相关性」转向「决策效用」。核心发现：多数按语义相似度检索的记忆对下一步决策零影响，语义相关性与其真实效用相关性很差。
- 方法：通过受控反事实干预，逐条测量「有/无该记忆时 agent 动作是否改变」得出信用分，再训练一个轻量效用估计器；检索仍用语义相关性召回候选，由估计器决定哪些进入 token 预算，无需修改 agent 策略或额外环境交互。
- 结果：在 ALFWorld 上 500 token 记忆预算下成功率达 86.57%，BM25 检索仅 65.67%；每步记忆开销 152.1 token，比 BM25 少 74.5%。
- 反事实分析：记忆效用稀疏、强依赖状态，语义相关性难以捕捉。
结论：对长程 agent，决策效用是比语义相关更有效的记忆管理原则。
「编程与Agent」频道最新
- ChatGPT 加 Codex 半天搞定仿真与 PCB 设计 — mckbrando · 2026-11-14
- 一条 prompt 生成 97KB 纯代码海底世界,无任何素材文件 — Any-Reputation8118 · 2026-11-14
- AG-UI 协议 17k 星:把 Agent 接入前端应用的标准化方案 — ag-ui-protocol · 2026-11-14
- 腾讯开源 LoopForge:自托管编排 CodeBuddy、Codex 与 Claude Code — Tencent · 2026-11-14
- 开发者用 Godot+Claude Opus 做 2.5D 回合制 RPG,公开工作流 — irbrandonl · 2026-11-14
- 测试工程师 Prompt：让 AI 全面设计单元/集成/E2E 测试策略 — hey_abusiddik · 2026-11-14