حافظه

Darwin-Claw: Environment-Adaptive Experience Consolidation for Recursively Self-Evolving Agents

خلاصه‌ی فارسی هنوز نوشته نشده است.

From Memory Hits to Answerable Evidence: Query-Conditioned Memory Compilation for Long-Term Agent Memory

حافظه‌ی بلندمدت ایجنت: به جای تحویل خام نتایج بازیابی، شواهدِ آماده‌ی پاسخ بساز

ایجنتی که با کاربر هفته‌ها گفت‌وگو کرده، برای جواب دادن به یک سؤال باید تکه‌های مرتبط را از میان سشن‌های مختلف پیدا کند. سیستم‌های حافظه‌ی فعلی معمولاً هر چه بازیابی کرده‌اند را همان‌طور به مدل پاسخ‌دهنده می‌دهند. نتیجه کانتکستی است که هم تکراری است و هم گاهی

Self-Evolving Agents Can Repair Failures but Struggle to Generalize from Them

ایجنت‌های خودتکامل از شکست‌هایشان یاد می‌گیرند همان کار را درست کنند، ولی نه کارهای تازه را

ایده‌ی «خودتکاملی» این است که ایجنت از تجربه‌هایش یاد بگیرد و به مرور بهتر شود. اما بیشتر روش‌ها به مسیرهای موفق یا یک ارزیاب بیرونی تکیه دارند. سؤال این مقاله این است: اگر ایجنت از صفر شروع کند و فقط شکست‌هایش را داشته باشد، بدون هیچ راهنمایی ممتاز، باز هم به

Multimodal Filesystem Memory For Long-Horizon Embodied Agents (MFM)

خلاصه‌ی فارسی هنوز نوشته نشده است.

From Relevant Memories to Sufficient Evidence: Rethinking Memory Utilization in LLM Agents (QEMem)

خلاصه‌ی فارسی هنوز نوشته نشده است.

A team of Gemini 4 Argon agents beats Minecraft

چهار ایجنت جمنای ۴ آرگون بازی ماینکرفت را از صفر تا شکست اژدها تمام کردند

ایجنت‌های امروزی در کارهای کوتاه خوب‌اند، اما کارهایی که هزاران قدم وابسته به هم دارند و بیش از یک روز طول می‌کشند هنوز سخت‌اند. تمام کردن ماینکرفت در حالت بقا یک آزمون روشن از همین توانایی است: باید منابع جمع کرد، ابزار ساخت، به بُعد دیگری رفت و در آخر اژدهای

Beyond Downstream QA: Rethinking How We Evaluate Agent Memory

سنجیدن حافظه‌ی ایجنت با پرسش و پاسخ کافی نیست؛ باید خود حافظه را بازرسی کرد

بنچمارک‌های حافظه‌ی ایجنت معمولاً می‌پرسند آیا جواب ایجنت به سؤال درست است، و از روی آن درباره‌ی کیفیت حافظه قضاوت می‌کنند. اما این روش سه چیز را با هم قاطی می‌کند: درستی حافظه، کیفیت بازیابی و کیفیت تولید جواب. گاهی جواب درست است در حالی که حافظه خراب است (مد

Hy-Memory-30B-A3B: Attributed Reinforcement Learning for Long-Term Memory Writing

مدل کوچکی که فقط کارش نوشتن در حافظه‌ی بلندمدت است و در چند سیستم حافظه کار می‌کند

سیستم‌های حافظه‌ی بیرونی برنامه‌های مدل زبانی را از محدودیت پنجره‌ی کانتکست فراتر می‌برند، اما کیفیتشان به مدلی بستگی دارد که در حافظه می‌نویسد: چه چیزی نگه داشته شود، با چه دقتی و شواهد تازه چطور وضعیت قبلی را به‌روز کند. معمولاً یک مدل زبانی عمومی بزرگ با پر

CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance

هارنسی دوحلقه‌ای که ربات دستیار را شخصی‌سازی‌شده و ایمن‌تر می‌کند

مدل‌های عمومی بینایی-زبان-عمل به ربات‌ها اجازه داده‌اند اشیای مختلف را در دنیای باز دست‌کاری کنند، اما دستیار رباتیک واقعی دو چیز دیگر هم لازم دارد. اول شخصی‌سازی: دستور «برایم ساندویچ درست کن» باید بر اساس ترجیح‌های همیشگی همان کاربر به قدم‌ها شکسته شود، نه ب

Learning from Interaction Experience via Localized Context Distillation

تقطیر کانتکست فقط روی بخش‌هایی از پاسخ شاگرد که واقعاً باید اصلاح شوند

مدل‌های زبانی برای بهتر شدن در طول استفاده باید از تجربه‌ی تعامل یاد بگیرند. «تقطیر کانتکست» راه امیدوارکننده‌ای است: اطلاعات ممتازی که از تجربه به دست آمده (مثلاً «این ابزار با این آرگومان خطا می‌دهد») به یک معلم داده می‌شود و رفتار معلم به شاگردی منتقل می‌شو

MemScope: Evolving Agent Memory Architectures through Localized Code Repair

تکامل معماری حافظه‌ی ایجنت با تعمیرهای کوچک و هدفمند در کد، نه بازنویسی کامل

معماری حافظه‌ی ایجنت تعیین می‌کند ایجنت تجربه را چطور ذخیره و دوباره استفاده کند، اما معمولاً بعد از استقرار ثابت می‌ماند. روش‌های خودتکامل این معماری را با بازخورد اجرا تغییر می‌دهند، اما بازخوردشان درشت است: یک نمره یا یک خلاصه. با این بازخورد معلوم نمی‌شود

All-in-One Memory: Process-Rewarded Reinforcement Learning for Memory Agents

یک سیاست واحد برای جست‌وجو، نوشتن و توقف در حافظه، با پاداش برای هر قدم

مدل‌های زبانی برای جواب دادن بر اساس تاریخچه‌های طولانی، مثل گفت‌وگوهای چندسشنی یا اسناد بلند، به حافظه‌ی بیرونی تکیه می‌کنند. اما روش‌های موجود بازیابی و ساختن حافظه را جدا بهینه می‌کنند و فضای پاداش مشترکی ندارند که بشود با آن تصمیم‌های جست‌وجو، نوشتن و توقف

MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning

یاد گرفتن این‌که کدام تجربه‌ها، چند تا و به چه ترتیبی در حافظه‌ی ایجنت به او نشان داده شوند

حافظه به ایجنت اجازه می‌دهد بدون تغییر وزن‌هایش از تجربه‌های گذشته استفاده کند. اما شباهت معنایی به‌تنهایی مفید بودن یک خاطره را تضمین نمی‌کند: نتیجه به این بستگی دارد که خاطره‌ها چطور انتخاب و به ایجنت نشان داده شوند. مثلاً پنج تجربه‌ی شبیه هم ممکن است کمتر ا

Skip the Compressor: Coding Agents Fix More Issues When They Pick Whole Files

مقاله‌ی Skip the Compressor: Coding Agents Fix More Issues When They Pick Whole Files (15 Oct 2026، دانشگاه ایلینوی اربانا-شمپین؛ Xiaocong Yang، Rishit Chatterjee و همکاران) مسئله: یک ریپوی واقعی خیلی بزرگ‌تر از پنجره‌ی کانتکست ایجنت است، پس باید تصمیم گرفت کد

AlphaDiana: A Measurement System for Agents in Verifiable Reasoning Tasks

سیستمی برای اندازه‌گیری دقیق این‌که هارنس، ابزار، اسکیل و حافظه واقعاً به استدلال مدل کمک می‌کنند یا نه

ایجنت یعنی یک مدل استدلالی به‌علاوه‌ی هارنسی که فراخوانی‌های مدل را سازمان می‌دهد، ابزار اجرا می‌کند، دستورالعمل اسکیل‌ها را بار می‌کند و تاریخچه را در حافظه نگه می‌دارد. برای فهمیدن عملکرد ایجنت باید شرایط اجرا را به نتیجه، رفتار و مصرف منابع وصل کرد، اما معم

Cortex: Consolidating Context into Parametric Memory

تثبیت سود کانتکست در وزن‌های مدل، بدون آسیب به توانایی‌های دیگر

کانتکست می‌تواند کارایی مدل زبانی را بالا ببرد، اما این سود با برداشتن کانتکست از بین می‌رود؛ مثلاً واقعیتی که در پرامپت داده شده، در گفت‌وگوی بعدی بدون آن پرامپت فراموش می‌شود. نویسنده‌ها با الهام از «تثبیت حافظه» در سیستم‌های زیستی، این مسئله را درونی کردن س

Memorizing Who, Knowing How: Benchmarking Personal and Procedural Memory for Persistent Assistants

بنچمارک حافظه‌ی شخصی و رویه‌ای با هم: دستیار باید هم بداند برای چه کسی کار می‌کند و هم چطور

سیستم‌های حافظه‌ی دستیارهای شخصی پایدار باید هم حافظه‌ی شخصی درباره‌ی کاربر و هم حافظه‌ی رویه‌ای درباره‌ی روش انجام کار را نگه دارند. در دستیارهای مبتنی بر هارنس، رویه‌ها و اسکیل‌ها به کاربر وابسته‌اند: زمینه‌ی شخصی تعیین می‌کند کدام رویه به کار می‌آید و چطور

MemCode: Discrete Semantic Representations for Long-Term Agent Memory

حافظه‌ی بلندمدت ایجنت با واحدهای حافظه‌ی مستقل و یک کدبوک گسسته برای پیدا کردن شواهد مرتبط ولی کم‌شباهت

حافظه‌ی بلندمدت بین سشن‌ها هنوز گلوگاه اصلی ایجنت‌های مدل زبانی است. بیشتر سیستم‌ها تکه‌های گفت‌وگو را همان‌طور ذخیره می‌کنند و با جست‌وجوی نزدیک‌ترین همسایه در فضای بردارها بازیابی می‌کنند. این تکه‌ها به کانتکست وابسته‌اند و واحد پایداری نیستند، و شواهدی که م

STRATA: Self-Maintaining Structured Experience Graphs for Self-Evolving Language Agents

حافظه‌ی سه‌لایه‌ی خودنگهدار برای ایجنت‌ها، که فراموش می‌کند و درباره‌ی تجربه‌های گمراه‌کننده هشدار می‌دهد

ایجنت‌های مدل زبانی می‌توانند در زمان اجرا با انباشتن تجربه خودشان را بهتر کنند. اما بیشتر حافظه‌ها تک‌سطحی‌اند: مسیرها، گردش‌کارها و درس‌ها همه در یک مخزن بی‌ساختار با شباهت امبدینگ ریخته می‌شوند. هرگز فراموش یا تکراری‌زدایی نمی‌کنند و دچار «انتقال منفی» می‌ش

Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory

مرور حافظه‌ی ایجنت‌های چندوجهی: از حافظه‌ی ثابت تا حافظه‌ای که سیاست مدیریتش را خودش تکامل می‌دهد

ایجنت‌های چندوجهی هرچه به سمت کارهای طولانی و یادگیری مادام‌العمر می‌روند، باید بتوانند از داده‌ی پیچیده و ناهمگون چندوجهی، مثل تصویر و ویدئو و متن، پیوسته اطلاعات مفید بگیرند. این کار سازوکار حافظه‌ای لازم دارد که پیوستگی بین جلسه‌ها را حفظ کند، با کاربر و مح

Self-Evolving Agent Harness

چارچوبی نظری برای هارنسی که خودش را بهتر می‌کند، و شرط‌هایی که این بهبود را قابل اعتماد نگه می‌دارد

خودتکاملی هارنس یعنی اسکلت نرم‌افزاری ایجنت، شامل پرامپت‌ها، حافظه، روال‌ها و اجزای اجرایی، بازنویسی شود در حالی که وزن‌های مدل ثابت می‌ماند. اما وقتی بازنویسی‌های پذیرفته‌شده از یک اجرا به اجرای بعد می‌مانند، این سؤال پیش می‌آید که از کجا بدانیم یک بازنویسی و

Knowing the User Is Not Knowing What We Established: Grounding Awareness in Personal Agents

شناختن کاربر با دانستن آنچه با هم توافق کرده‌ایم یکی نیست: آگاهی از وضعیت توافق در ایجنت‌های شخصی

حافظه‌ی ایجنت‌های شخصی بیشتر روی یادگرفتن دانسته‌ها، ترجیح‌ها و خواسته‌های کاربر متمرکز بوده است. اما شناختن کاربر به معنای دانستن آنچه کاربر و ایجنت با هم توافق کرده‌اند نیست. پیشنهاد دستیار نباید فقط چون در حافظه مانده به دستور مجاز تبدیل شود؛ مثلاً دستیار پ

Knowledge Graphs as Files: An Agent Harness Where Tool Creation and Tool Use Co-Evolve

گراف دانش به شکل فایل: ایجنتی که ابزارهای جست‌وجوی گراف را خودش می‌نویسد و در طول کار بهترشان می‌کند

جست‌وجو در گراف‌های دانش پرمتن یعنی هم دنبال کردن رابطه‌ها و هم بررسی شواهد متنی؛ مثلاً «مقاله‌هایی از نویسندگان دانشگاه X درباره‌ی موضوع Y که به مقاله‌ی Z ارجاع داده‌اند». رابط‌های ازپیش‌تعریف‌شده‌ی گراف، دسترسی ایجنت به شواهد را محدود می‌کنند، حتی وقتی ایجنت

Reliable Memory from Unstable Growth: Curating Self-Written Agent Playbooks with Randomized Experiments

حافظه‌ی قابل اعتماد از رشد ناپایدار: گزینش درس‌های دفترچه‌ی ایجنت با آزمایش تصادفی

حافظه‌ی متنی پایدار به ایجنت اجازه می‌دهد بدون آموزش دوباره از درس‌های تسک‌های قبلی استفاده کند. سیستم‌هایی مثل ACE و Dynamic Cheatsheet آن را به شکل یک «دفترچه» نگه می‌دارند: درس‌هایی که ایجنت بعد از هر تسک می‌نویسد و در پرامپت می‌خواند. چالش اصلی تشخیص درس‌ه

Can Agents Forget When Asked? A Benchmark for Memory Unlearning in LLM Agents

آیا ایجنت‌ها وقتی از آن‌ها خواسته شود فراموش می‌کنند؟ بنچمارکی برای حذف حافظه که تقریباً هیچ سیستمی از آن رد نمی‌شود

حافظه‌ی بلندمدت جزء اصلی ایجنت‌های مدل زبانی شده است. وقتی ایجنت در استفاده‌ی طولانی اطلاعات شخصی جمع می‌کند، کاربران بیشتر از آن می‌خواهند واقعیت‌های حساس یا کهنه را حذف کند؛ مثلاً «آدرس قبلی‌ام را فراموش کن». سیستم حافظه باید دقیقاً همان را حذف کند و بقیه را

Learning How to Remember: Memory Modality Selection for GUI Agents

حافظه‌ی متنی یا تصویری؟ ایجنت رابط گرافیکی باید در هر قدم انتخاب کند

ایجنت‌های رابط گرافیکی مبتنی بر مدل بینایی-زبان برای استفاده از تجربه‌های قبلی به حافظه مجهز می‌شوند، اما معمولاً یک نوع نمایش ثابت دارند و تجربه‌ی بازیابی‌شده را همیشه به یک شکل، مثلاً فقط متن یا فقط تصویر صفحه، می‌دهند. معلوم نیست یک نوع حافظه همیشه بهترین ا

Many Steps into One: Reasoning Contraction and the Limits of Safe Memory Reuse for LLM Agents

انقباض استدلال: حافظه‌ی ایجنت چند قدم استدلال را به یکی تبدیل می‌کند، تا وقتی واقعیت‌ها عوض شوند و بی‌صدا غلط جواب دهد

قالب‌های فکر، کتابخانه‌های اسکیل، حافظه‌های ایجنت و کش‌ها چند قدم استدلال را به یکی تبدیل می‌کنند؛ نویسنده‌ها این را «انقباض استدلال» می‌نامند. حافظه‌ی منقبض‌شده قدم‌ها و خطاها را صرفه‌جویی می‌کند تا وقتی واقعیت‌هایش عوض شوند، و بعد بی‌صدا جواب غلط می‌دهد. مثل

Recall What Is Missing: Composing Evidence from Long-Term Agent Memory

یادآوری آنچه کم است: ترکیب شواهد مکمل از حافظه‌ی بلندمدت ایجنت با بودجه‌ی محدود کانتکست

با بودجه‌ی محدود کانتکست، ایجنت بلندمدت باید نه فقط حافظه‌هایی را که تک‌تک مرتبط‌اند، بلکه شواهدی را که با هم برای پرسش فعلی کافی‌اند یادآوری کند. دسترسی معمولی حافظه را بازیابی، امتیازدهی و کوتاه می‌کند و اغلب چند جای کانتکست را با واقعیت‌های تکراری پر می‌کند

PANINI-DR: Controlled Deep Research through Generative Semantic Workspaces

پژوهش عمیق کنترل‌شده با یک فضای کاری معنایی مشترک و ایجنت تأییدکننده‌ی جدا

پژوهش عمیق نیاز دارد چند قدم جست‌وجو، استدلال و محاسبه به هم وصل شوند و یافته‌های میانی مسیر بررسی بعدی را تعیین کنند. با بزرگ شدن پژوهش، ایجنت باید وضعیت پژوهش را بین فراخوانی‌های مدل نگه دارد و یافته‌ها را پیش از این‌که خطا به کار بعدی منتقل شود بررسی کند. ه

Prediction Is Not a Sufficient Memory State

پیش‌بینی، وضعیت حافظه‌ی کافی نیست: حافظه‌ای که همه‌ی پیش‌بینی‌های فعلی را بازتولید کند ممکن است یادگیری بعدی را فراموش کرده باشد

یک حافظه ممکن است همه‌ی پیش‌بینی‌های فعلی را درست بازتولید کند ولی فراموش کرده باشد چطور از مشاهده‌ی بعدی یاد بگیرد. مثلاً در رگرسیون ریج، دو تاریخچه‌ی متفاوت ممکن است پیش‌بین یکسانی بدهند، ولی با یک داده‌ی تازه به پیش‌بین‌های متفاوتی برسند، چون اطلاعات پنهان

MC-EvoBench: Auditing Experience-Driven Self-Improvement in Minecraft Agents

ممیزی خودبهبودی مبتنی بر تجربه در ایجنت‌های ماینکرفت: تجربه‌ی مرتبط انتقال پایداری نشان نداد

چالش اصلی خودبهبودی بازگشتی بدن‌مند این است که ایجنت تاریخچه‌ی تعامل را به توانایی‌ای تبدیل کند که فراتر از یک جهان بماند و به تسک‌های بعدی منتقل شود. یک حافظه‌ی ذخیره‌شده یا یک اقدام نهایی موفق به تنهایی ثابت نمی‌کند توانایی قابل استفاده‌ی دوباره‌ای به دست آم

(When) Should a Software Factory be Lights-off? Benchmarking Code Review Agents on Bug Detection

آیا کارخانه‌ی نرم‌افزار می‌تواند بدون ناظر انسانی کار کند؟ سنجش ایجنت‌های بازبینی کد در یافتن باگ

با پیشرفت ایجنت‌های کدنویسی، برنامه‌نویس‌ها بیشتر وقتشان را صرف بازبینی کد می‌کنند تا نوشتن آن. چون سرعت بازبینی انسان از تولید کد عقب افتاده، وسوسه‌ی ساختن ایجنت‌های بازبینی خودکار و «کارخانه‌ی چراغ‌خاموش» بدون نظارت انسانی وجود دارد. سؤال این است که این ایده

Test-Time Memory Construction

ساختن حافظه در زمان پرسش: به جای پیش‌ساخت حافظه‌ی پیچیده، حافظه‌ی مخصوص هر پرسش در حین استدلال ساخته شود

مدل‌های زبانی در پاسخ به پرسش‌هایی درباره‌ی تاریخچه‌ی طولانی تعامل مشکل دارند، چون شواهد مرتبط ممکن است در جلسه‌های دور از هم پراکنده باشد. سیستم‌های حافظه‌ی موجود معمولاً پیش از دیدن پرسش کاربر، بازنمایی‌های پیچیده‌ای را آفلاین می‌سازند و نگه می‌دارند، که هزی

Beyond the Final Embedding: Retrieving Memories from Token-Level Evidence

فراتر از امبدینگ نهایی: بازیابی حافظه با تطبیق در سطح توکن، بدون آموزش اضافه

دستیارهای مجهز به حافظه شواهد را از گفت‌وگوها و اسناد ذخیره‌شده بازیابی می‌کنند. بیشتر بازیاب‌های مبتنی بر امبدینگ، پرسش و حافظه را با یک بردار مقایسه می‌کنند، حتی وقتی ارتباط به بخش کوچکی از محتوا بستگی دارد؛ مثلاً یک جمله‌ی کوتاه درباره‌ی حساسیت غذایی کاربر

Forgetting is Not Always Bad: A Neuro-Inspired Memory Repair Mechanism for Poisoned LLM Agents

فراموشی همیشه بد نیست: ترمیم حافظه‌ی مسموم ایجنت با الهام از سازوکار فراموشی در مغز

ایجنت‌های مدل زبانی در برابر حمله‌ی مسموم‌سازی حافظه خیلی آسیب‌پذیرند؛ مثلاً یک حمله‌کننده رکوردی در حافظه می‌کارد که ایجنت را در موقعیت خاصی به اقدام مخرب وامی‌دارد. دفاع‌های موجود بیشتر به ماژول‌های بیرونی برای جداسازی ثابت حافظه یا ممیزی آنلاین پیوسته تکیه

SEEDS: Preview-Guided Evidence Admission for Search Agents

ایجنت جست‌وجو اول پیش‌نمایش نتیجه‌ها را ببیند و بعد تصمیم بگیرد کدام وارد استدلالش شود

ایجنت‌های جست‌وجو معمولاً بازیابی شاهد را با مصرف آن یکی می‌گیرند و سندهای بازیابی‌شده را با قاعده‌ی ثابت یا بر اساس رتبه وارد کانتکست می‌کنند. اما ارزش یک سند به وضعیت فعلی استدلال بستگی دارد: سندی با رتبه‌ی پایین ممکن است برای قدم فعلی حیاتی باشد و سندی با ر

Temporal Evidence Forests for Long-Horizon Multi-Party Conversational Memory

جنگل‌های شواهد زمانی برای حافظه‌ی گفت‌وگوی چندنفره‌ی طولانی

تعامل‌های چندنفره‌ی طولانی جزئیات خیلی بیشتری انباشته می‌کنند و تصمیم‌ها بارها به‌روز می‌شوند و وضعیت‌ها بین شرکت‌کننده‌ها و مرحله‌ها تغییر می‌کنند. مثلاً در یک گروه کاری، تاریخ تحویل سه بار در طول دو هفته عوض شده و هر بار کس دیگری آن را اعلام کرده است. اطلاعا

Reward Hacking as a Transmissible Strategy in Multi-Agent Coding Systems

هک پاداش به عنوان یک راهبرد مسری در سیستم‌های چندایجنتی کدنویسی

سیستم‌های چندایجنتی با هماهنگی ایجنت‌هایی که کد و برنامه را به اشتراک می‌گذارند تسک‌های کدنویسی را حل می‌کنند و اغلب با یادگیری تقویتی و ارزیاب خودکار بهینه می‌شوند. دور زدن ارزیاب می‌تواند بدون راه‌حل واقعی پاداش بگیرد؛ مثلاً کدی که تست را دستکاری می‌کند تا ه

EvoBelief: Falsifiable World Models for Self-Improving LLM Agents

مدل جهان ابطال‌پذیر برای ایجنت‌های خودبهبود: باورها درباره‌ی محیط به شکل فرضیه‌های قابل آزمون

ایجنت‌های خودتکامل معمولاً روش عملشان را با تجربه، بازتاب یا اسکیل بهتر می‌کنند. اما حتی ایجنتی که رویه‌ها را خوب بلد است، وقتی باورهایش درباره‌ی پویایی محیط ناقص، غلط یا کهنه باشد شکست می‌خورد. چنین باورهایی می‌توانند به چند تسک کمک کنند، ولی باور غلط هم بین

Recurrent Harness for Agentic Continual Learning

هارنس بازگشتی برای یادگیری پیوسته‌ی ایجنت: بازخورد هر نمونه بازتاب‌های قبلی را هم اصلاح می‌کند

ایجنت‌های مدل زبانی بیشتر روی جریان‌های طولانی تعامل کار می‌کنند و باید با یادگیری پیوسته به‌طور آنلاین با تغییر توزیع سازگار شوند. هارنس‌های موجود یا وضعیتشان را فقط با جریان رو به جلوی اطلاعات تکامل می‌دهند یا برای بهینه‌سازی به داده‌ی بازپخش یا اعتبارسنجی ا

SpireBench: Evaluating Long-Horizon Strategic Play of Agentic Models with Slay the Spire

بنچمارک اسپایر: سنجش بازی راهبردی بلندمدت ایجنت‌ها با بازی کامل Slay the Spire

مدل‌های زبانی ایجنتی کارهای پیچیده انجام می‌دهند، اما استدلال راهبردی در افق بلند کم بررسی شده است: بیشتر بنچمارک‌ها کوتاه و اپیزودی‌اند و کارایی در تسک‌های طولانی را نمی‌شود به دانش ذخیره‌شده، استدلال و شانس تفکیک کرد. بنچمارک SpireBench مدل‌ها را وادار می‌کن

Use and Disuse: Intent-Structured Experience Consolidation for Memory and Learning in LLM Agents

هیپوکم: تثبیت تجربه بر اساس ساختار نیت برای حافظه و یادگیری ایجنت‌ها، الهام‌گرفته از استفاده و فراموشی در حافظه‌ی انسان

با گذر ایجنت‌ها از اجرای تک‌تسک به کار مستقل بلندمدت، تبدیل تجربه‌ی پیوسته به دانش قابل استفاده‌ی مجدد چالشی اساسی است. نگه داشتن کل جزئیات کار گذشته کانتکست را پر می‌کند و دور ریختنشان دانش را از بین می‌برد. معماری Hippocam از دو ویژگی حافظه‌ی انسان الهام می‌

Event-Centric Memory with Query-Aware Graph Augmentation for Long-Term Conversational Agents

حافظه‌ی رویدادمحور با گراف آگاه از پرسش برای ایجنت‌های گفت‌وگوی بلندمدت

ایجنت‌های گفت‌وگوی پایدار و شخصی‌سازی‌شده برای به خاطر سپردن، به‌روزرسانی و استدلال روی تاریخچه‌ی طولانی به حافظه نیاز دارند. حافظه‌های تخت سبک‌اند اما رابطه‌ی رویدادها و به‌روزرسانی وضعیت را ضمنی می‌گذارند؛ مثلاً نمی‌فهمند «کاربر دیگر گیاه‌خوار نیست» جای اطلا

Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks

ممنتو ۳: خودبهبودی بازگشتی مدل‌محور با دفترچه‌ی قاعده‌ی بازتابی که به کد اجرایی کامپایل می‌شود

عمل در محیط ناآشنا نیاز دارد ایجنت بفهمد جهان چطور کار می‌کند و با شواهد تازه این فهم را اصلاح کند. اما مشاهده‌های محدود می‌توانند از چند مدل جهان پشتیبانی کنند که گذشته را توضیح می‌دهند ولی در وضعیت‌های دیده‌نشده پیش‌بینی متفاوت دارند. سیستم Memento ۳ به ایجن

MemTrial: Learning When to Trust Memory in LLM Portfolio Agents

ممتریال: یادگیری این‌که ایجنت سبد سرمایه کِی به حافظه‌اش اعتماد کند، با محاکمه‌ی هر تجربه

ایجنت‌های مدل زبانی برای مدیریت سبد سرمایه از تجربه یاد می‌گیرند و هر تجربه در حافظه را با نتیجه‌ی تصمیم‌هایی که از آن استفاده کرده‌اند اعتباردهی می‌کنند. اما در بازار مالی این نتیجه عمدتاً حرکت کل بازار در آن روز است، پس اعتبار حرکت بازار را دنبال می‌کند نه ا

REMORY: Learning Residual Memory for Context Compaction

ریموری: یادگیری حافظه‌ی باقی‌مانده برای فشرده‌سازی کانتکست ایجنت‌های بلندمدت

ایجنت‌های بلندمدت برای ادامه دادن در پنجره‌ی کانتکست محدود، تاریخچه را فشرده می‌کنند، اما یک خلاصه‌ی متنی به تنهایی ممکن است از همه‌ی تصمیم‌های بعدی پشتیبانی نکند. مثلاً خلاصه می‌گوید «فایل پیکربندی بررسی شد» ولی مقدار دقیقی که بعداً لازم می‌شود در آن نیست. شب

What to Admit and How to Present: Governing Persistent Memory in LLM Agents

چه چیزی را بپذیریم و چطور نشان دهیم: حکمرانی حافظه‌ی پایدار در ایجنت‌های مدل زبانی

حافظه‌ی پایدار می‌تواند شخصی‌سازی ایجنت را بهتر کند، اما ممکن است چاپلوسی و نشت بین حوزه‌ها هم ایجاد کند؛ مثلاً ایجنتی که می‌داند کاربر از یک برند خوشش می‌آید، در یک سؤال فنی بی‌طرف هم همان برند را ترجیح دهد، یا اطلاعات پزشکی کاربر در گفت‌وگوی کاری ظاهر شود. ن

Stale, Misattributed, or Late: Where Personal Memory Fails Before Generation

کهنه، اشتباه نسبت‌داده‌شده یا دیر: حافظه‌ی شخصی ایجنت‌ها کجا پیش از تولید پاسخ شکست می‌خورد

حافظه‌ی شخصی ایجنت‌ها معمولاً با درستی پاسخ نهایی سنجیده می‌شود. این امتیاز خطاهایی را که پیش از تولید رخ می‌دهند پنهان می‌کند: بلوک حافظه ممکن است مقدار منسوخ داشته باشد، مثلاً آدرس قبلی کاربر، یا واقعیتی درباره‌ی شخص دیگری با همان نام، یا پیش از مهلت پاسخ هی

LiveMACE: Process-Aware Evaluation of LLM Agent Capabilities in Evolving Markets

مسئله: معمولاً ایجنت را با نتیجه‌ی نهایی می‌سنجیم: کار را تمام کرد یا نه، چقدر سود کرد. اما در محیطی که مدام عوض می‌شود، نتیجه هم به رفتار ایجنت بستگی دارد و هم به شانس و شرایط بیرون. پس از روی نتیجه نمی‌شود فهمید ایجنت در کدام توانایی خوب است: ابزار را درست ص

Relevance Is Not Sufficiency: What Actually Closes the Evidence Gap in Long-Term Memory QA

مرتبط بودن کافی نیست: چه چیزی واقعاً شکاف شواهد را در پرسش و پاسخ با حافظه‌ی بلندمدت می‌بندد

ایجنت‌هایی که در جلسه‌های زیاد با کاربر تعامل دارند، تاریخچه‌ای بزرگ‌تر از پنجره‌ی کانتکست جمع می‌کنند و از یک مجموعه‌ی کوچک رکورد بازیابی‌شده پاسخ می‌دهند. سیستم‌های حافظه رکوردها را با ربط واژگانی یا معنایی رتبه می‌دهند، اما رکوردهای برتر ممکن است هرکدام مرت

Whose Memory Is It? Scope-Aware Commit Rules for Long-Term LLM Memory

حافظه مال کیست؟ قاعده‌های ثبت آگاه از دامنه برای حافظه‌ی بلندمدت مدل‌های زبانی

حافظه‌ی پایدار به ایجنت اجازه می‌دهد تجربه را بین گفت‌وگوها حمل کند، اما یک اشتباه استدلال محلی را هم ماندگار می‌کند. ایجنت حین تأمل ممکن است یک برنامه را بررسی کند، نتیجه‌ی ابزاری را شبیه‌سازی کند، باور گوینده‌ی دیگری را نقل کند و سپس همه را رد کند. اگر حافظه

Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments?

بنچمارک یادبگیر و بازی کن: ایجنت‌ها در محیط‌های ناآشنا چقدر خوب از تجربه یاد می‌گیرند؟

یادگیری از تجربه برای سازگاری ایجنت‌ها با محیط‌های ناآشنا و پویا ضروری است. بنچمارک‌های موجود عمدتاً تسک‌هایی را می‌سنجند که قاعده‌هایشان در دستور آمده یا برای مدل پیش‌آموزش‌دیده آشناست، پس نمی‌شود یادگیری از تعامل را از استدلال با دانش موجود جدا کرد؛ مثلاً ای

DAEDALUS: Bootstrapping Agent Memory from Self-Generated Tasks

ددالوس: ساختن حافظه‌ی ایجنت از تسک‌هایی که خودش تولید می‌کند، بدون تسک آموزشی و داور

ایجنت‌ها اغلب دانش عملیاتی لازم برای عمل قابل اعتماد در محیط تازه را ندارند و باید رفتار خاص ابزارها یا قراردادهای محیط را خودشان کشف کنند. بدون حافظه‌ی تلاش‌های قبلی، همان اشتباه‌ها را در تسک‌های مختلف تکرار می‌کنند. سیستم‌های ایجنتی معمولاً به راهنمای دست‌نو

ServeLearnBench: How Well Can Agents Self-Improve from Serving Experience?

بنچمارک یادگیری از سرویس‌دهی: ایجنت‌ها چقدر می‌توانند از تجربه‌ی استقرار خودشان بهتر شوند؟

دانش لازم برای رفتار درست ایجنت در محیط‌های واقعی اغلب ضمنی، اعلام‌نشده و در حال تغییر است؛ مثلاً یک فروشگاه سیاست بازگشت کالا را بی‌اعلام عوض می‌کند. هارنس‌های یادگیری پیوسته می‌خواهند ایجنت از تجربه‌ی سرویس‌دهی بهتر شود، اما اثربخشی و محدودیت‌هایشان مشخص نیس

Persistent Memory in Multi-Agent LLM Inference: What It Costs, What It Buys, and When You Can Tell

حافظه‌ی پایدار در استنتاج چندایجنتی: چه هزینه‌ای دارد، چه سودی می‌دهد و کِی می‌شود فهمید

تقسیم استنتاج کانتکست طولانی بین ایجنت‌های همکار، حافظه‌ی نهان کلید و مقدار فعال هر فراخوانی را محدود می‌کند، که وقتی حافظه گلوگاه است مهم است. بسیاری از این سیستم‌ها یک لایه‌ی پایدار برای ذخیره و یادآوری ردپاهای استدلال اضافه می‌کنند و معمولاً با یک آزمایش حذ

AMBER: Training Long-Horizon Web Agents through Append-Only Memory

امبر: آموزش ایجنت‌های وب بلندمدت با حافظه‌ی فقط‌افزودنی

ایجنت‌ها در مسیرهای طولانی تعامل دارند که تاریخچه‌شان سریع از بودجه‌ی کانتکست فراتر می‌رود. برای قابلیت اطمینان باید اطلاعات واقعی را نگه دارند، خطاهای اجرا و بازخورد اصلاحی را به یاد بسپارند و پیشرفت را پیگیری کنند. حافظه‌ی بازنویسی‌شونده در اصل می‌تواند هر چ

MemPilot: Orchestrating On-Demand Multimodal Memory Curation for LLM Agents

مم‌پایلوت: هماهنگی گزینش حافظه‌ی چندوجهی بر حسب نیاز برای ایجنت‌ها با تعادل کارایی، هزینه و تأخیر

بیشتر سیستم‌های حافظه‌ی ایجنت، حافظه را مستقل از پرسش می‌سازند، که می‌تواند پیش‌پردازش بی‌فایده داشته باشد و جزئیاتی را دور بریزد که بعداً ضروری می‌شوند؛ مثلاً خلاصه‌ی یک تصویر رنگ یک شیء را حذف کند که بعداً پرسیده می‌شود. مطالعه‌های اخیر پردازش حافظه را به زم

Request Order Matters: Cache-History Sensitivity in Selective KV-Cache Reuse for Rolling Agents

ترتیب درخواست‌ها مهم است: حساسیت به تاریخچه‌ی حافظه‌ی نهان در استفاده‌ی مجدد گزینشی از آن برای ایجنت‌های غلتان

ایجنت‌های طولانی بارها مدل را فرامی‌خوانند و بیشتر پنجره‌ی اسنادشان را نگه می‌دارند، اسناد قدیمی را بیرون می‌اندازند و اسناد تازه اضافه می‌کنند. این به‌روزرسانی غلتان حافظه‌ی نهان پیشوند دقیق را می‌شکند، چون حذف یک سند از ابتدا جای همه‌ی اسناد بعدی را عوض می‌ک

Harness-Search: Guiding Long-Horizon Search through Multi-Agent Coordination

هارنس‌سرچ: هدایت جست‌وجوی بلندمدت با هماهنگی چندایجنتی پیشنهاد، ثبت و ممیزی

جست‌وجوی بلندمدت نیاز دارد ایجنت شواهد را در چند گام جمع و به پاسخ مستند تبدیل کند. با رشد تاریخچه، یک ایجنت واحد ممکن است گیر کند، پرسش‌های حل‌نشده را گم کند، شواهد مفید را نادیده بگیرد یا پیش از جمع شدن پشتیبانی کافی متوقف شود. هارنس چندایجنتی Harness-Search

ASCENT: Online Test-Time Training of Long-Horizon Agents via Self-Distillation of Verified Experience

اسنت: آموزش آنلاین زمان آزمون ایجنت‌های بلندمدت با خودتقطیری تجربه‌ی تأییدشده

ایجنت‌ها تسک‌های بلندمدت را در نوبت‌های زیاد استدلال و اقدام حل می‌کنند و فقط یک سیگنال تأیید در پایان می‌گیرند. ایجنت‌های مستقر با جریانی از تسک‌های مرتبط روبه‌رو می‌شوند، پس مسیرهایشان منبع طبیعی بهبود است. ایجنت‌های تطبیق درون کانتکست بازتاب‌ها، حافظه‌ها یا

Memadapter: Counterfactual Adaptation Against Memory-induced Sycophancy

مم‌آداپتر: تطبیق خلاف واقع در برابر چاپلوسی ناشی از حافظه در ایجنت‌ها

حافظه‌ی بلندمدت به ایجنت‌ها اجازه‌ی شخصی‌سازی و تعامل طولانی می‌دهد، اما حافظه‌های پایدار می‌توانند چاپلوسی ایجاد کنند: ایجنت با باورهای گذشته‌ی کاربر بیش از حد هم‌سو می‌شود، حتی وقتی نادرست، کهنه یا مغایر با شواهد عینی‌اند. روش‌های موجود فرض می‌کنند منشأ این

From Memory to Guide: Spatio-Temporal Composer for Procedural Coding Memory

از حافظه تا راهنما: آهنگ‌ساز مکانی و زمانی برای حافظه‌ی رویه‌ای کدنویسی

ایجنت‌های دارای حافظه معمولاً دانش رویه‌ای را با تزریق مستقیم مهارت‌های بازیابی‌شده به پرامپت متنی وارد می‌کنند. این رویکرد متن خوانا را با اجرای قابل اعتماد یکی می‌گیرد؛ مثلاً مهارتی که برای نسخه‌ی قدیمی یک کتابخانه نوشته شده ممکن است در پروژه‌ی فعلی ایجنت را

MemTrace: State-Consistent Memory for Long-Horizon Coding Agents

مم‌تریس: حافظه‌ی سازگار با وضعیت برای ایجنت‌های کدنویسی بلندمدت

وقتی ایجنت‌های کدنویسی تسک‌های تکامل نرم‌افزار در چند فایل و مرحله را انجام می‌دهند، دو چالش به هم گره‌خورده پیش می‌آید: تاریخچه‌ی انباشته بودجه‌ی کانتکست را فشار می‌دهد، و تغییرات مخزن می‌تواند شواهد اجرای قبلی را بی‌اعتبار کند؛ مثلاً نتیجه‌ی تستی که پیش از و

DyadMem: A Long-Term Memory Benchmark of How Agents Work with Users

دایادمم: بنچمارک حافظه‌ی بلندمدت درباره‌ی این‌که ایجنت چطور با هر کاربر کار کند

ایجنت‌های بلندمدت باید نه فقط آنچه درباره‌ی کاربر درست است، بلکه این را هم به خاطر بسپارند که یک ایجنت خاص با گذشت تاریخچه‌ی مشترک چطور باید با آن کاربر کار کند؛ مثلاً این‌که کاربر توضیح‌های طولانی را رد کرده یا ترجیح می‌دهد پیش از تغییر فایل‌ها از او اجازه گر

Causal Memory Policy: Making Memory Utility Identifiable by Intervening on Retrieval

سیاست حافظه‌ی علّی: قابل شناسایی کردن سودمندی حافظه با مداخله در بازیابی

مدل‌های زبانی دارای حافظه باید تصمیم بگیرند کدام حافظه‌ها را نگه دارند، و سیستم‌های اخیر این کار را با تخمین اثر هر حافظه بر کارایی انجام می‌دهند. اما این تخمین‌ها کاملاً به حافظه‌های بازیابی‌شده وابسته‌اند: حافظه‌ای که هرگز بازیابی نشود، با یا بدون آن نتیجه ی

MemFit: Efficient Long-Term Agentic Memory

مم‌فیت: حافظه‌ی بلندمدت کارآمد برای ایجنت‌های گفت‌وگو بدون فراخوانی مدل هنگام نوشتن

سیستم‌های حافظه‌ی بلندمدت برای مدل‌های زبانی محبوب شده‌اند، اما برای سازمان‌دهی و یکپارچه‌سازی حافظه به ایجنت‌های زبانی تکیه دارند که عملیات نوشتن را پرهزینه و ناکارآمد می‌کند. سیستم‌های دیگر هم با فشرده‌سازی جزئیات سطحی را دور می‌ریزند. سیستم MemFit هر نوبت ر

What Should an Agent Remember? Disentangling Retention from Retrieval in Bounded-Memory Evaluation

ایجنت چه چیزی را باید به خاطر بسپارد؟ جدا کردن نگهداری از بازیابی در ارزیابی حافظه‌ی محدود

یک ایجنت پایدار باید هم تصمیم بگیرد با رسیدن اطلاعات چه چیزی را نگه دارد و هم وقتی پرسشی آمد چه چیزی را بیرون بکشد. اما ارزیابی‌های حافظه با مقایسه‌ی روش‌هایی که هم در نگهداری و هم در انتخاب فرق دارند، این دو تصمیم را با هم قاطی می‌کنند؛ پس معلوم نیست بهبود گز

Persistent Context Graphs for Efficient Memory Compaction in LLM Agents

گراف‌های کانتکست پایدار برای فشرده‌سازی کارآمد حافظه در ایجنت‌ها

تاریخچه‌ی رو به رشد تعامل ایجنت‌ها فشرده‌سازی حافظه را برای ماندن در پنجره‌ی کانتکست و کاهش هزینه‌ی پیش‌پرکردن ضروری می‌کند. روش‌های موجود تاریخچه را خلاصه یا حافظه‌ی کلید و مقدار را فشرده می‌کنند و اغلب محاسبه‌ی مدل اضافه می‌کنند. یک درخواست جدید کاربر می‌توا

FlowState: Execution State as Memory for Long-Horizon LLM Agents

فلواستیت: وضعیت اجرا به عنوان حافظه برای ایجنت‌های بلندمدت

تسک‌های بلندمدت ایجنت را وادار می‌کنند پیوسته از اطلاعات تعامل‌های قبلی استفاده کند. نگه داشتن کل تاریخچه هزینه‌ی کانتکست را بالا می‌برد، فشرده‌سازی‌اش خطر از دست دادن جزئیات لازم بعدی را دارد، و ارتباط اطلاعات تاریخی اغلب فقط با پیشرفت تسک آشکار می‌شود. روش F

Coding Agent Memory Post-training: Unlocking the Memory Potential of Pre-trained File Operations for Long-Horizon Tasks via Reinforcement Learning

پس‌آموزش حافظه‌ی ایجنت کدنویسی: آزاد کردن توان حافظه‌ای عملیات فایل با یادگیری تقویتی

ایجنت‌های زبانی روزبه‌روز بیشتر تسک‌هایی را انجام می‌دهند که تاریخچه‌ی تعاملشان از کانتکست فعال مدل بیشتر است. کارهای اخیر با یادگیری تقویتی کنترل حافظه را بخشی از سیاست کرده‌اند، اما اغلب به ابزارهای حافظه‌ی از پیش تعریف‌شده در محیط‌های ویژه‌ی دامنه با افق کو

SCLATE: a Substrate for Continual-Learning Agent Training and Evaluation

اسکلیت: بستری برای آموزش و ارزیابی ایجنت‌های یادگیری پیوسته در افق‌های چندجلسه‌ای

ایجنت‌های یادگیری پیوسته سیستم‌هایی از مدل، هارنس و حافظه‌اند که در افق‌های طولانی چندجلسه‌ای کار می‌کنند. ارزیابی و آموزششان نیاز دارد تسک‌ها با رویدادهای سمت ایجنت مثل توقف و شروع جلسه، کارهای زمان‌بندی‌شده و یکپارچه‌سازی حافظه درهم اجرا شوند. اما بنچمارک‌ها

ActKV: Efficient LLM Agents through Action-Guided KV Cache Management

اکت‌کی‌وی: مدیریت حافظه‌ی کلید و مقدار با هدایت کنش برای ایجنت‌های کارآمد

استنتاج ایجنتی در حلقه‌های مکرر مشاهده، استدلال و کنش حافظه‌ی کلید و مقدار طولانی انباشته می‌کند که سربار حافظه‌ی زیادی دارد و توان سرویس‌دهی را محدود می‌کند. روش‌های فشرده‌سازی موجود روی کیفیت کلی خروجی تمرکز دارند و اهمیت نامتقارن کنش‌ها در پیشبرد تسک را ناد

Harness as a Language: A Minimalist Agent Framework With Maximal Expressivity

هارنس به عنوان زبان: چارچوب ایجنت کمینه با بیشترین بیان‌پذیری

ایجنت‌های امروزی حول حلقه‌ی ایجنت ساخته می‌شوند: مدل در محیطی با مجموعه‌ای از ابزارها قرار می‌گیرد و با تناوب فراخوانی ابزار و مشاهده‌ی خروجی، کنترل کامل گردش‌کار را دارد. اما توانایی‌هایی مثل حافظه‌ی بلندمدت و خودبهبودی فعلاً به سیستم‌های تخصصی فراتر از خود ح

EPGM: Execution Provenance for Budgeted Agent Memory Retrieval

ای‌پی‌جی‌ام: منشأ اجرا برای بازیابی حافظه‌ی ایجنت با بودجه‌ی محدود توکن

تاریخچه‌ی اجرای ایجنت می‌تواند از پنجره‌ی کانتکست بیشتر شود و سیستم حافظه باید شواهد پشتیبان کامل را زیر یک بودجه‌ی توکن سخت بازیابی کند. شواهد ممکن است در چند رویداد اجرا پخش باشند، اما بازیاب‌های معمول پنجره‌های توکن ثابت و معیارهای k ثابت دارند که به تکه‌ها

DolphinBench: Mapping the Pareto Frontier of Agent Memory

دلفین‌بنچ: ترسیم مرز پارتوی حافظه‌ی ایجنت با سنجش دقت، هزینه و تأخیر

ایجنت‌ها امروز کنش‌های واقعی انجام می‌دهند که به حافظه‌ی بلندمدت و یادآوری کانتکست وابسته است. اما بیشتر بنچمارک‌های حافظه در قالب پرسش و پاسخ گفت‌وگویی ساخته شده‌اند، جایی که خود پرسش نشان می‌دهد باید چیزی بازیابی شود و اغلب کدام چیز. همچنین بنچمارک‌ها به ندر

VibeMemBench: Evaluating Memory Systems for Coding Agents on Real Repository Coding Tasks

وایب‌مم‌بنچ: ارزیابی سیستم‌های حافظه‌ی ایجنت‌های کدنویسی روی تسک‌های واقعی مخزن

ایجنت‌های کدنویسی روی تسک‌های واقعی مخزن کار می‌کنند و سیستم‌های حافظه‌ی پایدار قول استفاده‌ی مجدد از تجربه بین تسک‌ها را می‌دهند. اما ارزیابی‌های موجود نشان نمی‌دهند این سیستم‌ها کار اجرایی روی مخزن را بهتر می‌کنند یا نه: بنچمارک‌های مخزن تغییر کد را می‌سنجند

Memory as Infrastructure: Reliability Engineering for Persistent Agent Memory in Months-Long LLM-Assisted Development

حافظه به عنوان زیرساخت: مهندسی قابلیت اطمینان برای حافظه‌ی پایدار ایجنت در توسعه‌ی چندماهه

ایجنت‌های کدنویسی از مقیاس تسک به مقیاس پروژه می‌روند: تلاش‌هایی که ماه‌ها طول می‌کشند، از فشرده‌سازی‌های مکرر کانتکست می‌گذرند و روی کدبیس‌هایی بسیار بزرگ‌تر از هر پنجره‌ی کانتکست کار می‌کنند. در این مقیاس، حافظه‌ی ایجنت می‌تواند بی‌صدا خراب شود و کسی متوجه ن

Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses

رکوریس: تکامل بازگشتی حافظه‌ی تجربی و کاری برای هارنس‌های ایجنت بلندمدت

خودبهبودی بازگشتی در تسک‌های بلندمدت سخت است، چون تاریخچه‌ی رو به رشد وضعیت تسک را مبهم می‌کند و فراخوانی مهارت‌ها را نابجا می‌کند؛ مثلاً ایجنت مهارتی را که برای دستور اولیه مناسب بود، بعد از عوض شدن وضعیت هم دوباره فرا می‌خواند. معماری Recuris دو حافظه را جفت

Delivery, Not Storage: Cue-Anchored Working Memory as a Harness Property for Coding Agents

تحویل، نه ذخیره: حافظه‌ی کاری لنگرشده به نشانه به عنوان ویژگی هارنس برای ایجنت‌های کدنویسی

ایجنت‌های کدنویسی فقط یک نوع حافظه دارند: اسناد. فایل‌های دستورالعمل، مصنوعات برنامه و پوشه‌های حافظه‌ی خودنوشته آگاهانه نوشته و آگاهانه بازیابی می‌شوند و ایجنت باید خودش تصمیم بگیرد بنویسد و بخواند. اما تخصص انسانی روی لایه‌ی دومی هم کار می‌کند که هرگز نوشته

SWE-MeM: Learning Adaptive Memory Management for Long-Horizon Coding Agents

سوئی-مم: یادگیری مدیریت تطبیقی حافظه برای ایجنت‌های کدنویسی بلندمدت

ایجنت‌های مهندسی نرم‌افزار بلندمدت باید تاریخچه‌ی طولانی و پرنویز تعامل را با بودجه‌ی محدود کانتکست مدیریت کنند. روش‌های موجود به گردش‌کارهای فشرده‌سازی ایستا تکیه دارند یا قیدهای سختی بر زمان و دانه‌بندی فشرده‌سازی می‌گذارند، و مدیریت حافظه و حل مشکل را با هم