LifeMem：使 LLM 代理能够终身重用经验

大型语言模型代理有望通过重用过去的经验，在其一生中不断适应新的任务和环境。然而，现有的基于记忆的代理很难跨环境转移可重用的经验，并且随着经验的积累而遭受灾难性的遗忘。为了应对这些挑战，我们提出了 LifeMem，这是一个终身学习框架，使代理能够跨多个环境转移知识。在学习过程中，LifeMem 集群根据底层工作流程积累交互轨迹，以提取可重用的技能。在推理时解决新任务时，智能体会回忆相关技能和轨迹来指导行动。为了验证我们的方法，我们在 10 个环境和超过 13k 个任务以及 2k 个新注释的交互轨迹中进行了实验。结果表明，LifeMem 能够在终身学习中有效重用经验，减少对已学任务的遗忘，并实现卓越的跨任务迁移。进一步的分析表明，任务流会影响学习，而在内存中巩固结构相似的轨迹可以提高表现。