arXiv cs.AI· Runxuan Tang, Haoyu Gao, Yuyan Ding, Junyi Yao, Zihao Zheng, Zecheng Sheng, Liwei Hou·· 10 小时前AI 评分39
智能体何时该记住？FGSE 用可证伪门控筛选 LLM 智能体的记忆更新
When Should Agents Remember? Falsification-Gated Self-Evolution for LLM Agents
AI 导读
研究者提出 Falsification-Gated Self-Evolution（FGSE），将每条经验教训表示为带前置条件、行为变更、预期效果和验证器的结构化假设，先在临时状态中经目标迁移、证伪与归档回归探针测试，再按实测收益与风险决定提交、修正或拒绝。
正文 · AI 翻译
摘要：LLM 智能体越来越多地在长时程、验证器丰富的环境中运行，但当前的自改进机制往往将情节中得出的经验教训直接写入记忆，使局部成功成为可复用且安全知识的不可靠信号。本文探讨的核心问题是：源自经验的行为更新何时应被纳入持久化的智能体状态。我们提出证伪门控自进化（FGSE），这是一个以验证器为基础的框架，将每个候选经验教训表示为具有明确前置条件、行为变化、预期效果和验证器的结构化假设。FGSE 仅在临时状态中应用该假设，在目标迁移、证伪和归档回归探针上对其进行测试，然后根据测得的收益和风险决定提交、改进或拒绝。在网络、应用、工具使用和长期记忆基准上，FGSE 取得了强劲的任务表现，包括 39.8 的 WebArena 成功率、78.8 的 AppWorld 平均完成度，以及在 $\tau$-Retail/$\tau$-Airline 上 0.724/0.487 的 Pass$^1$，同时将证伪失败降至 5.0%、回归损害降至 1.3%、有害提交更新降至 3.6%。这些结果表明，将记忆更新作为假设进行测试有助于实现更可靠的长期适应。
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.14326 [cs.AI] |
| （或 arXiv:2611.14326v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14326 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Liwei Hou [查看电子邮件]
[v1]
2026年11月10日星期二 16:52:25 UTC（2,530 KB）
来源：arXiv cs.AI · arxiv.org