Lifelong Agents Path-Dependent Evaluation Memory Management Transfer Learning Benchmark
摘要

随着LLM智能体通过外部学习状态(如可检索的记忆或可复用技能)不断适应新任务,现有基准测试往往忽视了积累经验的顺序如何影响知识的迁移与保留。本文提出PATH-Bench,一个用于评估终身智能体路径依赖性的基准。该基准通过多模型上下文学习估计任务关系,构建受控的历史序列,并重复评估探针任务以测量平均性能、前向/后向迁移及遗忘程度。基于对八个代表性智能体的评估,我们发现经验效用取决于表示方式与交互结构,且后期经验可能重塑早期收益。据此,我们提出了选择性经验使用(SEU)框架,通过过滤干扰项来减少遗忘并提升前向迁移能力。

AI 推荐理由

论文核心研究长期记忆的路径依赖效应、遗忘及经验选择机制,直接对应记忆架构与历史管理。

研究机构
华东师范大学 蚂蚁集团 同济大学 上海通讯银行 上海财经大学 独立研究者 上海交通大学 深圳圈研究所
论文信息
作者 Xidong Yang, Xingyi Zhang, Wenhao Li, Wenyan Liu, Junjie Sheng et al.
发布日期 2026-08-02
arXiv ID 2608.01149
相关性评分 9/10 (高度相关)