arXiv cs.AI· Ido Haber, Giulio Tononi·· 11 小时前AI 评分34
智能体需要睡眠吗？论文提出用睡眠机制解决 LLM 智能体记忆漂移问题
Do agents need to sleep?
AI 导读
一篇 arXiv 论文提出，持续跨会话运行、通过交互积累记忆的 LLM 智能体已出现语义漂移、检索精度下降、存储错误传播和记忆容量饱和等症状，并借鉴睡眠的"振铃、共振与重整化"（RRR）选择主义理论，将睡眠三阶段映射为数字记忆架构中可执行的操作。作者由此给出可证伪预测：随着记忆存储增大，选择主义式整合将优于指令主义方案。核心主张是，在有限容量下持续学习并与环境耦合的系统，其可塑性代价就是睡眠。
正文 · AI 翻译
摘要：基于 LLM 的智能体日益跨会话持续运行，并通过交互积累记忆，它们已经表现出不受约束的可塑性所特有的症状：语义漂移、检索精度下降、存储错误的传播以及记忆容量饱和。借鉴关于睡眠的选择主义“振铃、共振与重整化”（RRR）理论，我们提出其三个阶段分别对应数字记忆架构中一种可行的操作。与此同时，构建有状态智能体的工程师们正独立地重新发现睡眠演化出来要解决的问题：该忘记什么，以及何时进行遗忘。由此我们得出一个可证伪的预测：随着记忆存储规模增大，选择主义式巩固将优于指令主义式替代方案。核心主张关乎持续学习本身的本质：可塑性是有代价的，而对于任何在有限容量下持续学习、同时与环境耦合的系统而言，这一代价就是睡眠。
| 主题： | 神经元与认知（q-bio.NC）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.02216 [q-bio.NC] |
| （或 arXiv:2611.02216v2 [q-bio.NC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.02216 arXiv 通过 DataCite 颁发的 DOI |
提交历史
来自：Ido Haber [查看邮箱]
[v1]
2026年11月1日周日 21:24:59 UTC（235 KB）
[v2]
2026年11月3日周二 17:52:05 UTC（235 KB）
来源：arXiv cs.AI · arxiv.org