arXiv · cs.AI· Navyansh Mahla·· 3 天前AI 评分45
ActionRAG：面向 LLM 智能体长期记忆的证据细化图扩散方法
ActionRAG: Evidence-Refining Graph Diffusion for Long-Term Memory in LLM Agents
来源与原文
arXiv · cs.AI
作者：Navyansh Mahla
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.32752v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 ActionRAG，一种结合谨慎索引与查询时图回评的图记忆架构，通过双通道实体与三元组检索及查询条件扩散细化评分，为 LLM 智能体长期记忆恢复精确且一致的证据。在 MemoryAgentBench 上，ActionRAG 平均准确率达 55.1，比最强检索式记忆基线高 5.4 分；平均合成成本低于 $0.001 每次查询，检索侧 p99 分项之和为 440.7 ms。
来源：arXiv · cs.AI · arxiv.org