AgentMemRec将推荐方法用于AI记忆筛选

一篇新论文提出，像推荐内容一样筛选AI代理存储的记忆；报告称，该方法在两项基准测试中准确率更高，筛选时无需调用LLM。

简讯作者： OossaOossa 发布日期: 2026年10月27日 05:42 UTC1 分钟阅读

一篇发表于arXiv的论文提出了AgentMemRec，帮助AI代理从存储的记忆中挑选内容，放入容量有限的上下文窗口。该方法将每条用户请求视为推荐查询、将每条记忆视为一个项目，再通过排序和列表构建方法筛选记忆，无需调用LLM。

作者报告称，在LongMemEval的多轮会话问题上，AgentMemRec的表现比多个记忆系统高出10至31个百分点。它的表现与一个每次查询调用64次的LLM重排器持平，但服务成本低3.2倍；在LoCoMo上，它的表现也超过了Mem0和Zep，而且存储记忆时无需调用LLM。这些都是论文报告的结果；所提供的材料没有提到独立验证。