记忆是有代价的：在资源受限条件下学习记忆价值
终身学习型 AI 代理会持续积累并复用经验，但实际部署通常受到生成、交互和记忆预算的严格限制。研究发现，在这些约束同时存在时，复杂的记忆方法可能并不比简单检索，甚至不具备记忆的代理更有效。研究人员提出 TokenWorth，这是一种轻量级在线记忆框架，可根据稀疏的执行反馈，学习针对不同查询哪些经验真正值得保留和复用，并将评估结果同时用于记忆检索和有限容量的记忆管理。在三个 LifelongAgentBench 环境以及本地和基于 API 的部署中，TokenWorth 在评估方法中取得了最高的任务成功率，同时使用了最少的输出 token。代码已在 GitHub 上公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。