arXiv cs.CL· Yumin Choi, Sangwoo Park, Minki Kang, Jinheon Baek, Sung Ju Hwang·· 2 天前AI 评分34
Preping：通过自我练习实现零任务智能体记忆构建
PREPING: Zero-Task Agent Memory Construction via Self-Practice
AI 导读
研究者提出 Preping，一个由 Proposer 引导的智能体记忆构建框架，让智能体在接触目标任务前仅靠自生成合成练习构建程序性记忆。
正文 · AI 翻译
摘要：智能体记忆通常要么从精心整理的演示中离线构建，要么从部署后的交互中在线构建。然而，无论以何种方式构建，当智能体首次被引入一个新环境且没有任何可用的任务特定经验时，都会面临冷启动差距。在本文中，我们研究任务前记忆构建：智能体能否在观察任何目标环境任务之前，仅使用自我生成的合成练习来构建程序性记忆。然而，仅靠合成交互是不够的，因为如果不控制练习什么和存储什么，合成任务就会变得冗余、不可行，最终毫无信息量，而且由于未经过滤的轨迹，记忆还会迅速退化。为克服这一问题，我们提出 Preping，一个提议者引导的记忆构建框架。其核心是提议者记忆，一种塑造未来练习的结构化控制状态。提议者根据该状态生成合成任务，求解器执行这些任务，验证器判定哪些轨迹有资格插入记忆，同时提供反馈以指导未来的提议。在 AppWorld、BFCL v3 和 MCP-Universe 上的实验表明，Preping 相比无记忆基线有显著提升，并达到与基于离线或在线经验构建的强 playbook 方法相当的性能，在 AppWorld 上部署成本比在线记忆构建低 $2.99\times$，在 BFCL v3 上低 $2.23\times$。进一步分析表明，主要收益并非仅来自合成数据量，而是来自提议者侧对可行性、冗余和覆盖范围的控制，并结合选择性记忆更新。
| 评论： | NeurIPS 2026。项目页面：this https URL |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2605.13880 [cs.AI] |
| （或使用 arXiv:2605.13880v2 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2605.13880 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Yumin Choi [查看邮箱]
[v1]
2026年5月11日星期一 04:34:43 UTC（1,166 KB）
[v2]
2026年10月14日星期三 12:22:55 UTC（1,178 KB）
来源：arXiv cs.CL · arxiv.org