神经程序记忆：通过隐式激活引导赋能 LLM 智能体

大型语言模型作为静态求解器表现优异，但转化为自主智能体仍具挑战，主要缺乏持久的程序记忆。现有方法多依赖检索增强生成注入显式文本指南，易导致文本与行动脱节。本文提出神经程序记忆（NPM），一种无需训练的框架，通过隐式激活引导而非显式指令来表征记忆。该方法将历史对比经验中的程序技能蒸馏为激活空间的引导向量，直接激活任务相关的神经机制。实验表明，NPM 在多个基准测试中表现媲美显式指令基线，且两者结合能提升任务执行的鲁棒性。