摘要
大型语言模型智能体常由推理、记忆、反思等模块组成的复杂支架构建，但紧密耦合的管道难以隔离各组件贡献。本文提出 AgentSpec，一种模块化规范框架，将具身智能体表示为具有标准化接口的可重用策略组件的类型化组合。该框架标准化了感知、记忆、推理等模块间的接口，支持在受控条件下交换与重组组件。在多个基准测试上的实例化分析表明，智能体性能取决于支架兼容性与交互效应，而非单一模块强度，特别是结构化多粒度记忆显著提升了长程状态跟踪能力。
AI 推荐理由
论文核心在于通过模块化框架解耦并评估记忆等组件，重点分析了记忆架构对智能体性能的影响。
研究机构
University of California, San Diego
Johns Hopkins University
University of Washington
University of Illinois Urbana-Champaign
论文信息