Agent该忘掉什么？分离记忆存储与查询时使用

持久语言智能体需要存储的经验才能在一段时间内保持可用，而每个答案都需要适合特定问题的证据。被取代的事实可能会误导当前状态的答案，但对于历史查询仍然至关重要。我们提出了 RD-Forget，这是一个无需训练的框架，它将智能体存储的内容与使用的内容分开。保留的源存档保留观察结果，由查询决定的记忆视图控制它们对当前答案的影响。冻结的语言模型管理者提取相关证据，将事实分组到语义槽中，并保留多跳推理所需的关系。同槽替换链接会抑制当前状态上下文中被取代的值，而意图感知检索使早期证据再次成为可检索对象。率失真公式指导在记忆预算内构建回答时的记忆视图。实验涵盖共享回答管道下的会话记忆、知识更新、事实巩固、长上下文推理和个性化。结果将准确的答案与查询相关的证据构建和对过时替代方案的控制联系起来。没有遗忘或查询条件的配置具有最大的得分下降，而槽分组、历史访问和关系保存则提供补充功能。保留历史，同时有选择地控制其使用，提供了一种适应不断变化的事实和未来问题的实用方法。