主要来源arXiv: DeepSeek
查看原文事件专题 ·官方一手
TrawMem：把智能体记忆重构为任务导向的角色自适应工作区
论文 TrawMem 提出按任务角色组织记忆的工作区机制，将交互历史整理为局部线程，再联合挑选互补记忆。在 LoCoMo 和 MemGallery 两个基准上，配合 4 个开源与闭源骨干模型，macro-F1 提升 2.23-3.14 点。在 LoCoMo 上，相比 SimpleMem，TrawMem 在 Qwen3.5-9B 和 DeepSeek-V4-Flash 上的 LLM-Judge 分数分别提高 4.07 和 4.31 个百分点，同时上下文 token 分别少用约 12.8% 和 5.1%。
当前结论
一篇新的智能体记忆论文，TrawMem 不按相关性检索，而是按记忆在任务里的角色来组织，在 LoCoMo 上跑赢了 SimpleMem 还更省 token，做 Agent 记忆的可以看看。
2 个信源31° AI 热度最后更新 2026/10/27 09:46:15
证据链
2 个信源相关来源 1rohanpaul_ai
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。