arXiv cs.CL· Yuanchen Bei, Zhining Liu, Tianxin Wei, Weizhi Zhang, Zhichen Zeng, Philip S. Yu, Hendrik Hamann, Jingrui He, Hanghang Tong·· 10 小时前AI 评分34
Pro-Memory：为主动式 LLM 智能体引入前瞻记忆
Prospective Memory for Proactive LLM Agents
AI 导读
研究者提出 Pro-Memory 记忆框架，将“保留未来意图”与“决定何时执行”分离，让主动式 LLM 智能体在合适时机实现待办意图而非一有相关线索就行动。该框架把待办目标与其支撑证据关联，用原始目标和激活条件评估新观察，并根据实际执行或问题解决的证据更新意图状态，另设经验记忆将已完成任务的反馈蒸馏为后续决策指导。
正文 · AI 翻译
摘要：目前面向 LLM 智能体的记忆系统大多是回溯式的，即保存并检索过去的信息以辅助当前决策。然而，主动型智能体还需要前瞻性记忆：保留面向未来的意图，并在适当的机会出现时将其实现，即使没有明确请求。关键在于，记住正确的意图并不能保证在正确的时间行动：一个相关的观察可能要求等待，而稍后的线索可能使同一意图变得可执行。受人类前瞻性记忆的认知理论启发，我们提出了 Pro-Memory，一个将维持未来意图与决定何时以及如何实现它们分离的记忆框架。Pro-Memory 保留待处理目标及其支撑证据，依据其原始目标和激活条件评估新观察，并与智能体正在进行的动作协调适当的贡献。它进一步根据实际发出的动作或解决的证据更新意图状态，同时经验记忆将已完成回合的反馈提炼为未来决策的指导。在涵盖延迟意图任务和开放式主动协助的两个基准上的实验表明，在多个 LLM 骨干模型上，Pro-Memory 在主动任务性能上相较代表性记忆方法取得了一致提升，同时限制了不必要的干预。
| 评论： | 17 页，8 幅图 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.05731 [cs.CL] |
| （或 arXiv:2611.05731v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05731 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yuanchen Bei [查看邮箱]
[v1]
2026 年 11 月 3 日星期二 23:03:06 UTC（511 KB）
来源：arXiv cs.CL · arxiv.org