MemCon：LLM智能体自适应记忆管理框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Eric Hanchen Jiang 等作者的论文，提出 Memory as a Controlled Process（MemCon）框架。该框架将 LLM 智能体的记忆操作建模为马尔可夫决策过程，在线学习何时检索、检索什么、检索多少，以及何时注入蒸馏计划、何时整合或遗忘。据论文称，MemCon 与后端无关，可包装任何现有记忆实现，仅依靠逐任务的二元反馈学习，无需预训练、不增加额外 LLM 调用，并使用带 UCB 探索的轻量级表格型上下文老虎机，在数十个任务内收敛。论文还称，在 6 个基准、3 个智能体框架和 3 个 LLM 主干上，MemCon 持续优于多种记忆基线，任务成功率最多提升 15.2 个百分点，同时 token 消耗降低 5%–20%。目前该事件仅有这一篇主报道，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。