arXiv cs.CL· Baibei Ji, Xiaoyang Weng, Juntao Li, Zecheng Tang, Yihang Lou, Min Zhang·· 6 天前AI 评分23
MemReread：通过记忆引导重读增强智能体长上下文推理
MemReread: Enhancing Agentic Long-Context Reasoning via Memory-Guided Rereading
AI 导读
MemReread 提出一种基于流式阅读的智能体记忆方法，在最终记忆不足时触发问题分解与定向重读，绕过中间检索以恢复被过早丢弃的间接证据。其配套强化学习框架提升长度外推能力，并按任务复杂度自适应决定重读次数。MemReread-4B 在 2WikiMultiHopQA 上较 DeepSeek-V4-Pro 提升 1.6pp，同时保持相对上下文长度的线性时间复杂度。
正文 · AI 翻译
摘要：长上下文推理任务推动了智能体记忆方法的发展，这些方法按顺序处理文档块，同时维护动态更新的记忆，避免了标准注意力的二次复杂度。现有方法通常依赖检索来恢复记忆覆写过程中丢弃的信息，但仍然容易在记忆形成过程中丢失证据，并受到无效查询的干扰。为克服这些局限，我们提出了 MemReread。它建立在流式阅读之上，绕过中间检索，在最终记忆不足时触发问题分解和针对性重读。通过恢复可能被过早丢弃的间接证据，MemReread 实现了非线性推理，同时保留了文档理解的逻辑流程。我们进一步引入了一个强化学习框架，改进了长度外推，并根据任务复杂度自适应地确定重读遍数，从而实现对计算开销的灵活控制。我们的 MemReread-4B 在长上下文推理任务上优于强基线（例如，在 2WikiMultiHopQA 上比 DeepSeek-V4-Pro 高 1.6 个百分点），同时保持相对于上下文长度的线性时间复杂度。
| 学科： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2605.10268 [cs.CL] |
| （或使用 arXiv:2605.10268v2 [cs.CL] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2605.10268 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Baibei Ji [查看邮箱]
[v1]
2026年5月11日星期一 09:30:59 UTC（556 KB）
[v2]
2026年10月9日星期五 03:40:27 UTC（504 KB）
来源：arXiv cs.CL · arxiv.org