DuoMem：通过双空间蒸馏实现高效的端侧记忆代理

基于大语言模型的代理虽能解决复杂过程任务，但依赖大模型与长上下文，难以在资源受限设备上部署。本文提出 DuoMem，一种双空间蒸馏框架，将大型教师模型的过程问题解决能力迁移至紧凑学生模型。该方法包含互补的两部分：上下文空间蒸馏，用教师生成的高质量过程记忆替换学生记忆；参数空间蒸馏，基于成功轨迹微调轻量级 LoRA 适配器。在 ALFWorld 基准测试中，4B 模型成功率从 4.3% 提升至 77.9%，接近 72B 教师模型水平，且推理速度更快，适合实时端侧部署。