arXiv cs.AI· Bingfan Zeng, Zhisheng Chen, Zhengwei Xie, Bangde Cao, Yuxuan Li, Jinhan Li, Zheng Lu, Xiangchen Guan, Zikai Xiao, Rui Qian, Jingwei Song·· 12 小时前AI 评分34
MemPrism：面向长程智能体的任务条件关系记忆视图
MemPrism: Task-Conditioned Relational Memory Views for Long-Horizon Agents
AI 导读
MemPrism 是一个任务条件关系记忆框架，将持久经验存储与决策时工作记忆分离，按当前任务上下文动态构建关系视图。在长程具身与 Web 智能体基准上，它持续提升任务表现，轨迹越长收益越明显，同时降低记忆 token 消耗。学到的视图策略可跨不同 VLM 迁移，无需额外适配。
正文 · AI 翻译
作者：Bingfan Zeng、Zhisheng Chen、Zhengwei Xie、Bangde Cao、Yuxuan Li、Jinhan Li、Zheng Lu、Xiangchen Guan、Zikai Xiao、Rui Qian、Jingwei Song
摘要：执行多步 Web 任务的长程智能体必须复用先前的页面观察和交互，以支持后续动作。然而，保留相关历史并不能保证其呈现出当前决策所需的关系。我们将这一差距称为表示不匹配。为此，我们提出 MemPrism，一种以任务为条件的关系记忆框架，将持久经验存储与决策时工作记忆分离。MemPrism 将交互记录为事件流，并根据当前任务上下文动态构建关系视图。轻量级视图策略选择关系结构、证据范围、结果条件和粒度，而确定性组合器与渲染器将历史事实转换为冻结任务策略的临时光学工作记忆视图。在长程具身和 Web 智能体基准上的实验表明，MemPrism 持续提升任务性能，尤其是在轨迹变长时，同时降低记忆 token 消耗。此外，学习到的视图策略无需额外适配即可在不同 VLM 之间迁移，证明了以任务为条件的关系视图作为智能体通用记忆接口的有效性。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2608.06745 [cs.AI] |
| （或 arXiv:2608.06745v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.06745 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zhisheng Chen [查看邮箱]
[v1]
2026年8月7日星期五 03:13:43 UTC（6,627 KB）
[v2]
2026年10月27日星期二 10:39:17 UTC（4,986 KB）
来源：arXiv cs.AI · arxiv.org