Agentic Memory System Evolution Self-Improvement Long-horizon Agents
摘要

长程自主代理需记忆系统以保留历史信息并复用知识。现有系统多采用固定的“构建 - 检索”流水线,难以适应任务特定的失败模式及记忆库的演化。为此,本文提出 MemPro,一种系统级进化框架,将整个流水线视为可进化程序而非仅调整记忆库。MemPro 维护可运行实现的版本树,通过进化代理迭代选择版本、诊断故障并基于故障模式引导编辑调试以生成改进版本。实验表明,MemPro 在多次迭代中持续优于静态及提示级进化基线,实现了性能与成本的良好平衡。

AI 推荐理由

论文提出系统级进化框架,核心贡献在于将记忆流水线作为可进化程序进行迭代优化。

研究机构
East China Normal University
论文信息
作者 Qingshan Liu, Guoqing Wang, Wen Wu, Jingqi Huang, Xinqi Tao et al.
发布日期 2026-05-30
arXiv ID 2606.00619
相关性评分 9/10 (高度相关)