使前瞻记忆适配小语言模型：面向小模型智能体的类型化意图存储

前瞻性记忆意味着在其他工作继续进行的同时，在正确的未来提示下执行推迟的意图。基准现在将其隔离为一项代理技能，但前沿LLM仍然在苦苦挣扎：发表的最好的 PM-Bench 支架仅达到 Set-F1 的 65.1%。我们认为这个循环是模式约束的状态跟踪而不是开放式推理，并且小模型可以在输入动作空间时执行它。我们提出了预期意图存储（PIS），它将生命周期逻辑放入代码中，并将范围语言工作放入模型中。该支架是代理且无需训练的：无需选择器微调，也无需轨迹蒸馏。在 PM-Bench 上，带有 PIS 的 DeepSeek-Chat 达到了 82.9% Set-F1。在 Gemma-E2B 上，Set-F1 在没有存储的情况下只有 4.2%，在 7 个回顾性记忆下最多为 6.6%，而 PIS 达到 66.2%。 PIS进一步达到Set-F1的70.1%，而回顾性记忆方法最多停留在54.4%。 PIS 在此基准上树立了新的技术水平，并使小型模型超越了已发布的大型模型支架。