跳到正文
arXiv cs.CL· Ziyan Yang, Taiwei Shi, Jieyu Zhao·· 10 小时前AI 评分55

GrepMem:用纯文本日志与 grep 实现无损无索引的长程智能体记忆

Forget Freely, Grep Later: Lossless, Index-Free Memory for Long-Horizon LLM Agents

AI 导读

研究者提出 GrepMem,一种由只追加的纯文本历史日志和正则表达式检索工具组成的无损、无索引记忆机制,不需要嵌入向量、检索索引、记忆抽取或额外模型。他们用强化学习在五种上下文管理策略下训练 Qwen3.5-9B,在 ContextBench 上取得 95-97% 准确率,而有损基线最高仅 21%,并在 BCP-Multi 上比 SUPO 的摘要方法高 8.8 个百分点。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:长程 LLM 智能体常常超出其上下文窗口,被迫丢弃之后可能需要的信息。现有的上下文管理策略依赖摘要、掩码或结构化记忆,需要在未来需求尚不可知时就决定保留什么或如何检索。然而,这些方法可能引入有损压缩,从而丢弃未来任务所需的细节。为解决这一局限,我们提出 GrepMem,一种简单、无损且无需索引的记忆机制,由两个组件构成:智能体完整历史的仅追加纯文本日志,以及用于按需召回的正则表达式搜索工具。与结构化记忆系统不同,GrepMem 无需嵌入、检索索引、记忆提取或额外模型。我们在五种上下文管理策略下用强化学习训练 Qwen3.5-9B,并在多问题研究会话、长流召回和智能体轨迹问答上评估。GrepMem 在 ContextBench 上达到 95-97% 的准确率,而有损基线最高仅为 21%,并在 BCP-Multi 上比 SUPO 的摘要方法高出 8.8 个百分点。GrepMem 能有效扩展到越来越长的输入流,同时在全部五项评估任务中保持在准确率-令牌成本帕累托前沿上。我们的结果表明,纯文本日志加 grep 为长程智能体记忆提供了一种简单但具有竞争力的方法,无需复杂的结构化记忆基础设施。
评论: 17 页,6 幅图,6 张表。Ziyan Yang 和 Taiwei Shi 贡献相同
主题: 计算与语言(cs.CL);人工智能(cs.AI)
引用为: arXiv:2611.25123 [cs.CL]
  (或 arXiv:2611.25123v1 [cs.CL] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.25123

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Ziyan Yang [查看邮箱]
[v1] 2026 年 11 月 18 日星期三 20:02:57 UTC(285 KB)

来源:arXiv cs.CL · arxiv.org