**面向长周期LLM智能体的元认知记忆策略优化**

_Meta-Cognitive Memory Policy Optimization for Long-Horizon LLM Agents_

> 记忆增强的大语言模型智能体在处理长周期任务时，通常通过递归摘要交互轨迹来压缩记忆。但现有方法使用基于结果的强化学习训练记忆策略，无法定位中间记忆质量下降的问题。本文提出信念熵，一种自监督代理指标，衡量模型在当前记忆下对潜在任务状态的不确定性。基于此，提出元认知记忆策略优化（MMPO），通过惩罚导致高认知不确定性的摘要来提供细粒度记忆监督。实验表明，MMPO在多种长周期任务上一致优于现有方法，在扩展到175万tokens上下文时仍保持97.1%的性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.30159)