摘要
针对LLM Agent在修复失败时往往丢弃成功修正方案的问题,本文提出MERIT,一种无需训练的代理机制。它维护一个在线双极性记忆库,记录经验证的成功修正和观察到的失败方向。在Oracle辅助的基准反馈下,仅检索早期最终确定的片段。通过确定性分类器粗分故障类型,结合混合词汇密集检索器,引导冻结模型生成修订。实验显示,在Spider和BIRD数据集上,MERIT的执行准确率显著优于无状态迭代修复,证明了因果跨查询记忆对提升修复效果的有效性。
AI 推荐理由
论文核心提出MERIT机制,通过维护在线双极性记忆(成功修正与失败方向)来增强Agent的修复能力,直接研究记忆架构。
研究机构
Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, United Arab Emirates
Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT), VNU-HCM, Ho Chi Minh City, Vietnam
论文信息