arXiv cs.CL· Chloe Su, Jiahan Li, Zhenting Qi, Chaoran Cheng, Haoyu Chen, Sejoon Jun, Weirui Ye, Yilun Du·· 11 小时前AI 评分38
MFM：面向长程具身智能体的多模态文件系统记忆架构
Multimodal Filesystem Memory For Long-Horizon Embodied Agents
AI 导读
研究者提出多模态文件系统记忆架构 MFM，将情景记忆、空间记忆、语义与程序记忆及工作记忆分开存储，并通过可搜索的文本记录关联到原始多模态片段，让智能体凭上下文线索找回经验并查看原始观察以补全文本描述缺失的细节。
正文 · AI 翻译
摘要：在长时程任务中运行的智能体需要一种有效的记忆，使其能够在长时间交互中复用经验。如果保留交互的完整历史，则难以找到相关经验；而将其压缩为摘要，又可能丢失后续所需的视觉和空间细节。我们提出 \textbf{MFM}，一种多模态文件系统记忆架构，可保存互补类型的智能体记忆。\textbf{情景记忆}存储观察、动作和结果，\textbf{空间记忆}将经验与位置关联。\textbf{语义记忆和程序性记忆}构建通用知识和可复用的行动方法，\textbf{工作记忆}保存当前计划。MFM 利用可搜索的文本记录将这些不同表示与底层多模态情景连接起来。智能体能够通过上下文线索找到过往经验，并检查原始观察以恢复其文本描述中缺失的细节。通过巩固，智能体将经验转化为更高层次的知识和程序，同时仍保留对原始情景的引用。在长时程 Minecraft 和计算机使用任务中，MFM 在三个基础模型上带来了性能提升。借助 GPT-6-Astra，MFM 完成了 \emph{Mine Diamond from Scratch}，并在 \emph{Ender Dragon} 任务上达到 24 个里程碑中的 16 个，而最佳基线为 12.7。在 CUABench-KiCad 上，其平均奖励为 0.440，而最佳基线为 0.400，无持久记忆时为 0.267。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.22686 [cs.CL] |
| （或 arXiv:2610.22686v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22686 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Huangyuan Su [查看电子邮件]
[v1]
2026年10月15日星期四 21:56:00 UTC（24,509 KB）
来源：arXiv cs.CL · arxiv.org