arXiv cs.CL· Haozhen Zhang, Quanyu Long, Jianzhu Bao, Tao Feng, Weizhi Zhang, Haodong Yue, Wenya Wang·· 10 小时前AI 评分38
MemSkill：为自进化智能体学习并演化记忆技能
MemSkill: Learning and Evolving Memory Skills for Self-Evolving Agents
AI 导读
MemSkill 将 LLM 智能体的记忆操作重构为可学习、可演化的记忆技能，由 controller 学习选择少量相关技能、LLM executor 生成技能引导的记忆，并通过 designer 定期复盘失败案例来改进和新增技能。
正文 · AI 翻译
摘要：大多数大型语言模型（LLM）智能体记忆系统依赖一小组静态的、手工设计的操作来提取记忆。这些固定流程将人类关于存储什么以及如何修订记忆的先验硬编码其中，使其在多样的交互模式下显得僵化，并在长历史记录上效率低下。为此，我们提出 \textbf{MemSkill}，它将上述操作重新定义为可学习、可演化的记忆技能，即用于从交互轨迹中提取、整合和剪枝信息的结构化、可复用例程。受智能体技能设计理念的启发，MemSkill 采用一个 \emph{控制器} 来学习选择一小组相关技能，并搭配一个基于 LLM 的 \emph{执行器} 来生成由技能引导的记忆。除了学习技能选择之外，MemSkill 还引入一个 \emph{设计器}，它定期审查所选技能产生错误或不完整记忆的困难案例，并通过提出改进方案和新技能来演化技能集。MemSkill 共同构成一个闭环流程，既改进技能选择策略，也改进技能集本身。在 LoCoMo、LongMemEval、HotpotQA 和 ALFWorld 上的实验表明，MemSkill 相比强基线提升了任务性能，并在各种设置下具有良好的泛化能力。进一步的分析揭示了技能如何演化，为 LLM 智能体实现更具适应性、自我演化的记忆管理提供了洞见。代码可在 此 https URL 获取
| 评论： | 被 NeurIPS 2026 接收。代码可在 此 https URL 获取 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2602.02474 [cs.CL] |
| （或 arXiv:2602.02474v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.02474 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haozhen Zhang [查看邮箱]
[v1]
2026年2月2日星期一 18:53:28 UTC（1,321 KB）
[v2]
2026年5月24日星期日 19:01:09 UTC（1,327 KB）
[v3]
2026年11月6日星期五 16:31:39 UTC（1,314 KB）
来源：arXiv cs.CL · arxiv.org