论文提出MemPrism任务条件化关系记忆框架

Bingfan Zeng 等研究者在 arXiv 论文中提出 MemPrism，一个任务条件化的关系记忆框架，用于解决长程智能体的表征失配问题。其核心做法是将持久经验存储与决策时工作记忆分离，以事件流记录交互，由轻量级视图策略动态选择关系结构、证据范围与粒度，生成临时工作记忆视图。 论文称，该框架在长程具身与 web-agent 基准上提升了任务表现并降低记忆 token 消耗，所学视图策略可跨 VLM 迁移而无需额外适配。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。