MEMIG：以定量结构化记忆支持抗体优化Agent

记忆已成为自演进LLM Agent的重要组成：保存并检索过去rollout的经验，用于指导未来决策。现有系统常将经验写成自由自然语言，并通过重写维护，适合经验能够被叙述的任务。然而在科学发现和优化中，经验往往是在特定条件下由oracle测得的数值。将其重写为文本，会丢失记录的明确索引位置，以描述替代测量，也无法表达多个干预的相互作用。我们认为，生物分子优化Agent的记忆应当可索引、定量且结构化，并提出实现这三项性质的MEMIG记忆构建框架。MEMIG为每条见解使用领域标识，累计属性oracle测得的定量效应，使更新局限于局部、检索成为精确查找。随后，它将同时施加的干预所对应的见解连接起来，并通过分解每个已评价的干预集合，测量其上位性相互作用。结果显示，在计算模拟的抗体优化任务中，MEMIG在多数设置下改善表现。