Minecraft 游戏中多模态 LLM Agent 的经验迁移

针对复杂游戏环境中多模态 LLM Agent 需复用过往经验高效解决新任务的问题，本文提出 Echo，一种面向迁移的记忆框架。该框架将记忆视为主动的知识来源而非静态记录库，通过将可复用知识分解为结构、属性、过程、功能和交互五个维度，使 Agent 能识别跨任务模式并推断适用经验。结合上下文类比学习（ICAL），Echo 能检索相关经验并适配至未见任务。Minecraft 实验表明，Echo 在从零学习设定下将物体解锁任务速度提升 1.3 至 1.7 倍，并展现出获取可迁移经验后快速连续解锁相似物品的突发现象。