arXiv cs.CL· Wenbo Pan, Shujie Liu, Xiangyang Zhou, Xianlong Wang, Shiwei Zhang, Bingjing Xu, Wanlu Shi, Xiaohua Jia·· 10 小时前AI 评分38
Mstar：让每个任务拥有自己的记忆框架
M$^\star$: Every Task Deserves Its Own Memory Harness
AI 导读
Mstar 通过反思式代码进化自动为不同任务发现专属记忆程序，将记忆框架实现为定义 Schema、Logic 和 Instruction 的可执行 Python 程序并联合优化。在对话、具身规划和专业推理四类任务上，Mstar 性能均超越现有基线，且进化出的记忆程序在各领域呈现结构上不同的处理机制。该工作入选 NeurIPS 2026 poster。
正文 · AI 翻译
摘要：大型语言模型智能体依赖记忆框架来写入、组织、检索和使用过往经验。适用于某一任务的框架往往在另一任务上失效，因为对话、具身规划和专家推理需要不同的存储与检索行为。为解决这一局限，我们提出 Mstar，一种通过反思式代码演化自动发现任务优化记忆程序的方法。具体而言，Mstar 将记忆框架实现为可执行的 Python 记忆程序，该程序定义 Schema、Logic 和 Instruction，并对这些组件进行联合优化。我们在涵盖对话、具身规划和专业推理的四项任务上评估 Mstar。结果表明，Mstar 在所有评估任务上均优于现有基线。此外，演化出的记忆程序在每个评估领域都展现出结构上不同的处理机制。这些发现表明，每项任务都能从其自身的记忆框架中获益，而记忆程序搜索提供了一种发现该框架的具体途径。
| 评论： | NeurIPS 2026（海报）。代码：此 https URL ；在线演示：此 https URL |
| 主题： | 编程语言（cs.PL）；人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2604.11811 [cs.PL] |
| （或 arXiv:2604.11811v3 [cs.PL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.11811 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Wenbo Pan [查看电子邮件]
[v1]
2026年4月10日星期五 03:22:26 UTC（761 KB）
[v2]
2026年5月23日星期六 08:43:43 UTC（1,318 KB）
[v3]
2026年10月30日星期五 06:13:10 UTC（1,308 KB）
来源：arXiv cs.CL · arxiv.org