LGM框架提出潜在神经符号推理解耦长期记忆
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对个性化智能体处理长期历史交互时面临的记忆纠缠与噪声问题，LGM框架将记忆解耦转移至连续潜在空间。该方法利用稀疏自编码器构建潜在图，将历史交互映射为潜在记忆节点并解耦为稀疏概念激活，动态合成与查询相关的边权重。实验显示，该框架在捕捉显性与隐性偏好方面显著优于现有基线。
为什么值得看
解决长期记忆中的纠缠难题，提升个性化智能体的跨会话推理能力。
智能体
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。