LAM 有损智能体记忆框架

论文针对智能体记忆随历史增长导致推理成本上升与上下文溢出问题，提出LAM有损智能体记忆系统。它包含带检索分数替换界的确定性去重规则、保留缓存前缀并将压缩与推理重叠的记忆管理器，以及部署前估算压缩成本的表现模型。在600条轨迹上移除22.47%观测token同时保留99.984%证据，预测端到端加速71.4至91.6倍。