CAVE-Mem：内存搜索的边界感知体验验证

长期记忆Agent越来越依赖迭代搜索和可重用的经验来回答有关大量个人、事实或叙述历史的问题。然而，当前的经验记忆系统在很大程度上优化了相关性：它们检索过去与当前状态相似的搜索课程并将其注入提示中。当记忆基础、问题意图、答案粒度或证据边界发生变化时，相关体验仍然可能是有害的。我们提出了 CAVE-Mem，一个免训练的框架，代表了作为具有适用性、边界和效用条件的类型化干预操作员的经验。 CAVE-Mem 首先获得一个基本的内存搜索答案，然后仅当操作员匹配当前基质、答案契约、证据边界和交叉拟合效用时才允许操作员更改它；否则系统弃权。长期会话记忆、多跳问答和长文档叙述推理的实验表明，与仅相关的经验重用相比，获得了一致的收益。