记忆何时有助于工具使用型 LLM 智能体的多轨迹推理？

针对工具使用型大语言模型智能体的多轨迹推理，本文提出一种统一框架，沿“转移范围”与“内容抽象”两轴分解记忆机制。研究在无验证器设定下，评估了四种记忆方法在三种推理策略及四个基准任务中的表现。实验表明推理方法是关键混淆变量：同一记忆方法在不同策略下效果显著差异。反思仅在 MCTS 中有效，而原子事实提取虽不提升准确率，但能显著缩短轨迹长度。