★ 3
BudgetBench：本地 LLM 智能体记忆策略评测协议
论文提出 BudgetBench，一种以每次调用输入 token 预算为自变量的评测协议与参考工具，用于比较本地大模型智能体的记忆策略。它在 2K 至 32K 预算区间扫描，记录质量、预算利用率、延迟与预算违规率，并揭示单预算评测掩盖的合规失败与非单调质量曲线。作者开源了协议、工具与可复现产物。
arXiv cs.LG48 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 BudgetBench，一种以每次调用输入 token 预算为自变量的评测协议与参考工具，用于比较本地大模型智能体的记忆策略。它在 2K 至 32K 预算区间扫描，记录质量、预算利用率、延迟与预算违规率，并揭示单预算评测掩盖的合规失败与非单调质量曲线。作者开源了协议、工具与可复现产物。
研究者提出 FlexA-Mem，将历史记录一次性写入不可变存储，每次调用时按剩余预算渲染出紧凑时间线与细节，无需额外 LLM 调用。在 AppWorld 4k 挑战任务上比次优方法高 11.5%，在 LongMemEval 与 LoCoMo 上匹配专用关键词检索器。该工作针对检索式记忆漏步骤、摘要…