SLICE-Mem：面向高效 LLM Agent 记忆的显著性门控轻量化信息整理框架

英文标题：SLICE-Mem: Salience-Gated Lightweight Information Curation for Efficient LLM Agent Memory

长期记忆是大语言模型（LLM）Agent 维持个性化与时序连贯交互的核心能力，但以往频繁调用 LLM 进行记忆准入、提取与组织带来了昂贵的推理成本与高延迟。为此，研究团队提出了 SLICE-Mem 框架，通过引入显著性门控机制实现轻量级的信息筛选与管理。该技术方案在大幅减少冗余推理开销的同时保障了记忆检索质量，为开发者构建低延迟、低成本的生产级长程交互 Agent 提供了实用路径。

打开原文相关 3.2 · 机会 2

中文

论文摘要

arXiv 编号：arXiv:2610.33015v1
发布类型：新论文（new）

摘要：长期记忆能够使大语言模型（LLM）Agent 维持个性化且在时序上连贯的交互，但为了实现记忆准入（admission）、提取和组织而反复进行的 LLM 推理，会引入高昂的计算成本与响应延迟。为此，我们提出了 SLICE-Mem（Salience-Gated Lightweight Information Curation for Efficient LLM Agent Memory，面向高效 LLM Agent 记忆的显著性门控轻量化信息整理框架）……

SLICE-Mem：面向高效 LLM Agent 记忆的显著性门控轻量化信息整理框架

中文

论文摘要

BibTeX 格式引用

English / 原文

BibTeX formatted citation