记忆智能体

深度研究代理（DRA）结合大模型推理与外部工具，依赖记忆系统利用历史经验以提升推理效率与自主进化能力。针对现有方法在记忆进化无效及存储检索成本高昂方面的局限，本文提出记忆智能体（MIA）框架。该框架包含管理者 - 规划者 - 执行者架构：管理者为非参数化系统以压缩存储历史轨迹；规划者为参数化代理生成搜索计划；执行者依计划搜寻分析信息。通过交替强化学习增强协作，支持测试时持续进化，并建立参数与非参数记忆间的双向转换循环以实现高效记忆进化，最终引入反思与无监督判断机制提升开放世界中的推理与自进化能力。