Hugging Face · 每日论文· 媒体 / 作者来源·精选
论文提出Anti-Persistence记忆设计，缓解LLM Agent错误复现
原文标题
More Memory, Worse Agents: Error Reproduction and Anti-Persistence in LLM Agents
AI 导读
论文指出，Agent把规则、摘要等抽象经验存入外部记忆后，其中的错误会经检索复用传导到后续决策，并通过“抽象—执行—再抽象”循环被重新生成，作者称之为错误复现。为此提出Anti-Persistence：只累积轨迹与结果，任务指导按需即时合成、执行后即丢弃，由自适应选择器依据既往结果决定是否及如何合成。在多个基准与骨干模型上，该设计取得更高的留出任务成功率与最低的平均LLM调用成本。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
论文提出Anti-Persistence记忆设计并给出跨基准、跨骨干模型的对比结果：留出成功率更高且平均LLM调用成本最低，适用于基于外部记忆自我改进的Agent。
导读由模型辅助整理，非独立核验。完整信息见原文。