arXiv · Machine Learning Theory· Bingfan Zeng, Zhisheng Chen, Chenbo Sang, Zhengwei Xie, Jinpeng Wang, Xiangchen Guan, Rui Qian, Zheng Lu, Jingwei Song·· 4 hr agoAI score47
MemoWM：世界模型如何改变 AI 智能体需要记住的内容
MemoWM: How World Models Change What Agents Need to Remember
AI brief
研究者提出 MemoWM 框架，用世界模型的共享预测压缩 AI 智能体的长期记忆，并按任务感知规则在重建误差与存储成本间分配保留信息。在五个长期智能体记忆基准上，MemoWM 平均答案准确率达 42.42%，比最强基线高 2.62 个百分点，同时比最省存储的基线 MIRIX 减少 53.9% 的经验专属存储。代码已开源，更强的世界模型可在相近任务质量下进一步降低单次经验存储。
Source: arXiv · Machine Learning Theory · arxiv.org