站内快照 · 国内可打开。外网原文可能无法访问。
- 资讯公开站rss_arxiv_cs_ai
COUNTERMEM：面向语言智能体的世界模型验证反事实记忆
COUNTERMEM: World-Model Verified Counter-Factual Memory for Language Agents
arXiv:2609.31874v1 公告类型：新 摘要：现有智能体记忆框架主要通过智能体与事实世界的交互来构建记忆，例如记住已采取行动的反馈，以提升未来任务的表现。然而，这些框架在构建记忆时很少提出“如果……会怎样”的问题：如果采取了不同的行动，反馈是否会改变，以及这种反馈如何能成为有用的记忆？在主动环境中直接获取此类反馈可能代价高昂，并且可能改变用于比较所需的状态。在这项工作中，我们提出了 COUNTERMEM，一个用于跨任务构建和使用经过验证的反事实记忆的强化学习框架。在一次失败行动之后，COUNTERMEM 使用可执行世界模型（如测试、证明检查器和求解器），从原始状态的副本或重置中评估局部替代方案。它存储改进以及原始行动和修正后的行动、经过检查的结果以及复用条件。一个学习得到的记忆使用策略会选择检索到的记录或跳过记忆，以平衡任务成功与交互成本，而基础 LLM 保持固定。记忆和策略均被冻结。