论文
HasMem：从硬提示出发自适应压缩连续记忆
HasMem: Hard-Origin Adaptively Softened Memory for Long-Term LLM Agents
摘要
文本记忆与上下文压缩支持复用过往交互。调整连续记忆大小会改变冻结LLM的输入，使容量分配与读出耦合。HasMem以冻结的硬提示嵌入提供可核验初态，由控制器调整记忆宽度，Writer重编码改变大小的条目，Reader和Global负责读出适配及跨轮状态。在来自MSC开发集的全部535道重建探针问题上，主配置使用硬提示参考93.6%的含框架记忆位置，词汇F1达到95.3，提高4.4个百分点。在每题目标主体预算近似匹配时，六种配置的平均条目保留率约0.83—0.91，精确匹配率比规则重编码高8.0—23.6个百分点。固定模型参数和0.75的规则目标宽度比后，Global的EM收益通过了用户级精确配对检验，并对八次比较作Bonferroni校正。在全部500道LongMemEval-S问题上，局部词汇F1从硬提示参考的3.4升至8.9，答案负对数似然从12.257降至5.274。但两项评测的F1提高都伴随EM下降。