在被问到之前请记住：MemDream 用于自我探索记忆进化

记忆对于使基于 LLM 的Agent能够在长期交互​​中保持一致、个性化的行为至关重要。然而，现有的记忆系统有一个基本的限制：它们从不主动测试自己的记忆，只有在真正的查询暴露弱点后才修复它。这种反应范式意味着每次检索失败都对应于已经支付成本的真实交互。我们提出了 MemDream，一个能够为 LLM Agent实现自我探测记忆进化的框架。我们的框架定期进入离线梦想周期，其中三个专门Agent（Dreamer、Analyst、Consolidator）在故障发生之前协作探测、诊断和修复记忆图。通过组相对策略优化训练的策略可以了解哪些修复操作会产生持久的检索改进，而软衰减机制则提供由相同预期信号驱动的可逆遗忘。 LoCoMo 和 MemoryAgentBench 上的实验表明，与最强的反应进化基线相比，MemDream 在 LoCoMo 上将答案 F1 提高了 4.5 分，在 MAB 上的总体得分提高了 9.1 分。