OCR-Memory：长视野智能体记忆的光学上下文检索

自主 LLM 代理越来越多地在长期、交互式环境中运行，其中成功取决于重用在长期历史中积累的经验。然而，现有的智能体记忆系统从根本上受到文本上下文预算的限制：存储或重新访问原始轨迹的词元成本过高，而摘要和纯文本检索则以节省词元来换取信息丢失和碎片证据。为了解决这一限制，我们提出了光学上下文检索记忆（OCR-Memory），这是一种记忆框架，利用视觉模态作为代理体验的高密度表示，从而能够在检索时以最小的提示开销保留任意长的历史记录。具体来说，OCR-Memory 将历史轨迹渲染成带有独特视觉标识符注释的图像。 OCR-Memory 通过 \emph{locate-and-transcribe} 范式检索存储的经验，该范式通过视觉锚点选择相关区域并检索相应的逐字文本，避免自由形式生成并减少幻觉。长视野智能体基准测试显示在严格的上下文限制下获得了一致的增益，这表明光学编码增加了有效记忆容量，同时保留了忠实的证据恢复。