arXiv · cs.CL· Dongfang Li·· 6 天前AI 评分46
面向 AI 智能体的以记忆为中心的持续学习（MCCL）框架
Memory-Centric Continual Learning for AI Agents
来源与原文
arXiv · cs.CL
作者：Dongfang Li
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/2610.29357v1
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
研究者提出 Memory-Centric Continual Learning（MCCL），主张应依据记忆能否改善智能体未来行为而非仅凭检索效果来评估记忆。框架包含三部分：按存储基底、记忆资产和管理策略划分的三轴分类法与内外双循环生命周期；测量干扰下保持、变化适应和任务迁移的评估协议；以及刻画性能随经验、存储和计算预算扩展的记忆扩展框架，覆盖非参数与参数记忆，推动智能体记忆从被动检索转向持续学习。
来源：arXiv · cs.CL · arxiv.org