arXiv cs.AI· Haoran Jin, Defu Lian, Xiting Wang, Hong Xie·· 13 小时前AI 评分34
MUSE：面向科学编程智能体的多级记忆与选择性运行时注入框架
MUSE: Multi-Level Memory with Selective Runtime Injection for Scientific Coding Agents
AI 导读
MUSE 是一个面向科学编程智能体的记忆管理框架，从历史轨迹构建全局、方法级和实现级三层记忆，初始化时注入全局与问题匹配的方法级记忆，执行中按当前交互检索实现级记忆，并由 LLM 门控决定是否注入审查建议。在数值问题求解、kernel 优化和科学软件修复四类基准上，MUSE 在所有评测指标上均优于检索与记忆基线，消融实验支持多级设计与门控注入的有效性。代码已开源。
正文 · AI 翻译
摘要：历史经验可以在多个层面指导科学编码，但任务级检索可能会遗漏在执行过程中变得相关的实现经验。我们提出了 MUSE，一个结合多级记忆与选择性运行时注入的记忆管理框架，用于科学编码智能体。MUSE 从历史轨迹中构建全局、方法级和实现级记忆。在初始化时，智能体接收全局记忆和与问题匹配的方法级记忆。在执行过程中，利用当前交互来检索实现级记忆。一个 LLM 门控选择相关经验并生成具体的审查建议，或跳过注入。在涵盖数值问题求解、内核优化和科学软件修复的四个基准上，MUSE 在所有评估指标上均优于检索和记忆基线。消融实验支持多级设计和门控注入，而迁移实验表明记忆在内核基准之间仍然有用。这些结果表明，多级记忆和选择性运行时注入能够实现科学编码中经验的有效复用。代码可在 此 https URL 获取。
| 评论： | 17 页，8 幅图。审稿中 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.38332 [cs.LG] |
| （或 arXiv:2610.38332v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.38332 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haoran Jin [查看电子邮件]
[v1]
2026 年 10 月 28 日星期三 06:32:51 UTC（259 KB）
来源：arXiv cs.AI · arxiv.org