**即时记忆：为 LLM 智能体学习按需打造任务自适应记忆** _Just-in-Time Memory: Learning to Curate Task-A

**即时记忆：为 LLM 智能体学习按需打造任务自适应记忆**

_Just-in-Time Memory: Learning to Curate Task-Adaptive Memory for LLM Agents_

> 现有智能体记忆系统多在“写入时”就把任务轨迹压缩成反思、工作流或技能等固定产物，需在未知未来查询前决定记住什么，造成信息不可逆丢失，且难以进行长程信用分配。该论文提出 JitMem，改为保留原始轨迹，把记忆整理推迟到“读取时”：拿到检索到的轨迹与当前任务后，由记忆整理器即时合成紧凑、任务自适应的记忆载荷，并可直接用当前任务的成功与否来训练。在 ALFWorld、WebShop 与 τ²-bench 上，JitMem 均优于无记忆智能体及启发式、可学习的写入时记忆方法，相比最强基线分别提升 16.2、16.3 和 3.9 个绝对成功率百分点；即使未训练的记忆整理器也已具备竞争力，说明读取时的任务自适应整理本身即是主要增益来源。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-24 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.27334)

即时记忆：为 LLM 智能体学习按需打造任务自适应记忆 _Just-in-Time Memory: Learning to Curate Task-A

原帖