arXiv cs.AI· Jie Huang, Cuiling Lan, Qize Yu, Xiulian Peng, Yan Lu·· 13 小时前AI 评分38
MemSteer：将用户历史转化为智能体记忆优化的监督信号
MemSteer: Turning User Histories into Supervision for Agent Memory Optimization
AI 导读
MemSteer 能把无标注的用户历史转化为带证据支撑的问答监督，用于优化智能体记忆设计。基于该监督的 MemSteer-Opt 在不更新模型参数的情况下修改记忆存储、检索与上下文构建，在 ATM-Bench 上相较 Base-BM25 将 Question Score 提升 13.4 分，在 RHELM 上无外部数据与有外部数据分别提升 4.1 和 6.6 分。
正文 · AI 翻译
摘要：一个有效的智能体记忆系统应当适应用户的历史记录和任务需求。人工标注的监督可以通过提供用于评估和改进记忆设计的反馈来引导这种适应。然而，对于新的用户历史记录，合适的标签很少可得，而手动构建问答对及支撑证据的成本很高。我们提出 MemSteer，它将未标注的用户历史记录转化为带有支撑证据的问答（QA）监督，用于记忆设计优化。MemSteer 构建一个基于证据的答案计划，该计划规定相关记录中的事实如何共同支撑一个参考答案。该计划指导问题生成，同时基于来源的审计和盲答恢复会检查生成的标注。为了研究这种监督的效用，我们开发了 MemSteer-Opt，它将基于 QA 的设计评估与证据引导的失败诊断相结合，在不更新模型参数的情况下修改记忆存储、检索和上下文构建。在 ATM-Bench 和 RHELM 上的实验表明，这种监督与官方 QA 引导的优化具有竞争力。相对于 Base-BM25，MemSteer-Opt 在无外部数据和有外部数据的情况下，分别将 ATM-Bench 问题得分提高 13.4 分，将 RHELM 准确率提高 4.1 分和 6.6 分。这种监督还使 ATM-Bench 上两个现有优化器受益，而新用户实验表明，使用从目标历史记录生成的监督可以持续进行设计优化。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.39276 [cs.AI] |
| （或 arXiv:2610.39276v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.39276 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jie Huang [查看电子邮件]
[v1]
2026年10月29日 星期四 03:28:49 UTC（446 KB）
来源：arXiv cs.AI · arxiv.org