Core-Tail Memory Controller控制长程智能体记忆

2026年10月30日，arXiv Artificial Intelligence 刊出 Xinyuan Song、Zekun Cai 的研究，指出长程语言智能体的外部记忆在重复检索下呈重尾分布：少数状态被频繁访问，大量状态很少被检索、更易出现预测错误；系统性尾部审计显示，记忆集中度可复现但高度依赖策略，从随机游走的对数正态模式到语义 LLM 策略的截断幂律重尾。基于此，作者提出基于排名的 Core-Tail Memory Controller（CTMC），以单一指数 τ 分配提示预算，同时保留尾部信息的摘要。报道称，在 Synthetic Graph World 与 ALFWorld 上，CTMC 在保持性能的同时显著降低记忆占用；在 LongMemEval 上，提示 token 减少 24.48%，并维持总体准确率。上述效果均限于报道所列数据集与指标。

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。