智能体到底需要多少记忆:ALTK-Evolve 跨模型记忆注入评测
IBM 研究团队通过 ALTK-Evolve 框架测试了八款大语言模型在 AppWorld 上的表现,发现智能体记忆的注入剂量需根据模型能力进行精准校准。
推荐理由:研究揭示了智能体记忆并非越多越好,较弱模型适合核心检索而强模型适合全量注入,为推理阶段上下文分配提供了量化参考。
IBM 研究团队通过 ALTK-Evolve 框架测试了八款大语言模型在 AppWorld 上的表现,发现智能体记忆的注入剂量需根据模型能力进行精准校准。
推荐理由:研究揭示了智能体记忆并非越多越好,较弱模型适合核心检索而强模型适合全量注入,为推理阶段上下文分配提供了量化参考。
IBM Research 对比了智能体记忆系统 ALTK-Evolve 与 ACE,展示了通过按需投递经验指南大幅降低推理 Token 消耗的方案。ALTK-Evolve 不直接压缩历史经验,而是通过聚类合并并保留支持计数,在推理时根据模型能力与任务动态检索适量指南。