arXiv 提出 Route to Remember：LLM 智能体自适应记忆选择
原文标题：Route to Remember: Adaptive Memory Selection for LLM Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文针对生产智能体文本记忆随历史累积成本上升的问题，探索将权重记忆作为长期事实存储。方法采用在线自蒸馏（OPSD），从以用户记忆为条件的教师模型训练无上下文学生模型，并配合先验证再生成的路由器。在 HaluMem 基准上，OPSD 匹配或超越强文本记忆基线，且每次查询读取更少 token。
- 问题
- 生产智能体的文本记忆成本随历史累积增长，成为瓶颈。
- 方法
- 用在线自蒸馏把用户事实内化进权重记忆，配先验证再生成的路由器，让权重与文本记忆各覆盖擅长查询。
- 结果
- 在 HaluMem 上匹配或超越全上下文提示与检索等强文本记忆基线，且每次查询读取更少 token。
- 影响
- 为长期记忆提供降本路径：把稳定事实写进权重，检索只处理剩余查询。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Route to Remember 用在线自蒸馏把用户事实写入权重记忆，在 HaluMem 上匹配或超越文本记忆基线且每次查询读取更少 token。
- •针对文本记忆随历史累积、每次查询成本递增的瓶颈。
- •方法为在线自蒸馏（OPSD）：从以用户记忆为条件的教师训练无上下文学生。
- •配合先验证再生成的路由器，让权重记忆与文本记忆各覆盖擅长的查询。
- •在 HaluMem 上匹配或超越全上下文提示与检索等强基线，且每次查询读取更少 token。
- •论文另分析了不同训练配方对权重记忆表现的影响。
为什么重要：为生产智能体提供降低长期记忆查询成本的路径，对记忆成本随历史增长的系统有直接意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。