ProactMem：事件驱动LLM智能体的主动记忆方法
热点事件持续更新
ProactMem：事件驱动LLM智能体的主动记忆方法
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究者提出主动记忆方法 ProactMem，把智能体的历史信息整理为近期事件、时间轨迹和行为规律三类：轨迹事实会对照源事件核验，行为规律先经历史回放评估，再与当前条件匹配。团队同时构建纵向基准 ProactiveStream，覆盖三类应用场景，智能体按时间顺序处理孤立事件流。 在 ProactiveStream 上，ProactMem 取得 52.6% 的 F1，相对五个外部基线中最强者的相对提升为 21.4%，代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
ProactMem：面向事件驱动 LLM 智能体的主动记忆机制报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIProactMem：面向事件驱动 LLM 智能体的主动记忆机制
研究者提出 Proactive Memory（ProactMem），将历史组织为近期事件、时间轨迹和行为规律三类，轨迹事实对照源事件核验，规律经历史回放评估后再匹配当前条件。团队同时构建纵向基准 ProactiveStream，覆盖三类应用场景，智能体按时间顺序处理孤立事件流。ProactMem 在该基准上取得 52.6% 的 F1，相对五个外部基线中最强者的相对提升为 21.4%，代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。