【免費(fèi)下載鏈接】LightMem[ICLR 2026] LightMem: Lightweight and Efficient Memory-Augmented Generation項(xiàng)目地址https://gitcode.com/gh_mirrors/li/LightMem點(diǎn)擊查看免費(fèi)下載LightMem 是 ICLR 2026 的輕量高效記憶增強(qiáng)生成Memory-Augmented Generation項(xiàng)目其中的FluxMem模塊提出了一種連接演化式的 Agent 記憶框架它不再把記憶當(dāng)成一個(gè)只增不改的檢索池而是將語(yǔ)義事實(shí)、情景經(jīng)驗(yàn)、程序技能三類記憶建模為一張持續(xù)演化的異構(gòu)圖讓 Agent 在每次任務(wù)執(zhí)行中不斷織網(wǎng)在失敗時(shí)自動(dòng)修復(fù)記憶拓?fù)湓陔x線時(shí)把經(jīng)驗(yàn)蒸餾為成熟技能。簡(jiǎn)單說(shuō)FluxMem 給了 Agent 一項(xiàng)自愈能力——記憶會(huì)生長(zhǎng)、會(huì)糾錯(cuò)、會(huì)沉淀而不會(huì)無(wú)限堆砌原始痕跡。為什么需要會(huì)自我修復(fù)的記憶傳統(tǒng)記憶系統(tǒng)普遍是一次性讀寫檢索一段、拼接進(jìn) Prompt、生成回答結(jié)束后記憶本身幾乎不再變化。隨著 Agent 長(zhǎng)時(shí)間運(yùn)行這會(huì)導(dǎo)致兩個(gè)典型問題記憶是孤島事實(shí)、經(jīng)歷、技能分別存放在不同的扁平存儲(chǔ)中彼此缺乏關(guān)聯(lián)檢索時(shí)無(wú)法互相印證錯(cuò)誤無(wú)法沉淀執(zhí)行失敗后Agent 學(xué)到的教訓(xùn)只存在于這一次對(duì)話里下次遇到同類問題還會(huì)再犯。FluxMem 的思路是把記憶看作連接Connectivity而不是條目Item。條目只是圖中的節(jié)點(diǎn)真正的價(jià)值在于節(jié)點(diǎn)之間不斷被建立、修剪、重塑的有類型邊——記憶因此成為一個(gè)可以持續(xù)演化的整體。三層節(jié)點(diǎn) × 三種邊一張圖看懂 FluxMem 記憶結(jié)構(gòu)FluxMem 的記憶基座是一個(gè)異構(gòu)圖G(V, E)包含3 類節(jié)點(diǎn)和3 類邊三類節(jié)點(diǎn)節(jié)點(diǎn)類型含義類比SemanticNode語(yǔ)義節(jié)點(diǎn)帶 embedding 的事實(shí)性知識(shí)塊Agent 的知識(shí)庫(kù)EpisodicNode情景節(jié)點(diǎn)任務(wù)執(zhí)行的觀察-動(dòng)作軌跡Agent 的親歷記憶ProceduralNode程序節(jié)點(diǎn)從反復(fù)經(jīng)驗(yàn)中蒸餾出的可復(fù)用技能與推理模式Agent 的手藝節(jié)點(diǎn)定義見 nodes.py。三種邊邊類型方向作用GroundEdge語(yǔ)義 → 情景事實(shí)為情景步驟提供證據(jù)支撐DistillEdge情景 → 程序技能從反復(fù)出現(xiàn)的經(jīng)驗(yàn)中蒸餾而來(lái)StepLinkEdge任意 → 任意執(zhí)行期間建立的臨時(shí)步驟級(jí)連接可被后續(xù)階段編輯邊定義見 edges.py。這張帶類型的圖替代了傳統(tǒng)系統(tǒng)的扁平檢索池——檢索、精化、固化三個(gè)階段都運(yùn)行在同一個(gè)共享基座上這也是自愈得以發(fā)生的前提只有先知道哪里連錯(cuò)了才談得上改哪里。三階段演化流水線建網(wǎng)、自愈、沉淀FluxMem 的記憶演化不是單步循環(huán)而是三條流水線協(xié)同工作核心調(diào)度見 agent.py階段一初始連接形成在線每步執(zhí)行在每個(gè)時(shí)間步Stage I 會(huì)做三件事語(yǔ)義檢索用向量相似度 BM25 LLM 校驗(yàn)的混合打分取出 Top-k 相關(guān)事實(shí)情景檢索用 embedding 相似度取出與當(dāng)前觀察最相似的過往任務(wù)軌跡技能繼承沿著DistillEdge把與相似情景關(guān)聯(lián)的程序技能一并帶上。三類節(jié)點(diǎn)被裝配成當(dāng)前步的初始子圖G_t再序列化為結(jié)構(gòu)化上下文用semantic_memory/episodic_memory/procedural_memory三段 XML 風(fēng)格組織交給 LLM 執(zhí)行任務(wù)。階段二反饋驅(qū)動(dòng)的連接精化自愈核心任務(wù)執(zhí)行后如果失敗Stage II 會(huì)先用 LLM 對(duì)失敗原因做歸因attribute_failure然后按歸因結(jié)論對(duì)子圖做三種拓?fù)浼?jí)手術(shù)Link Expand連接擴(kuò)展歸因?yàn)樾畔⑷笔r(shí)擴(kuò)大檢索范圍補(bǔ)建缺失的連接??Link Prune連接剪枝歸因?yàn)榇嬖诟蓴_噪聲時(shí)剪掉相似度低于閾值的干擾邊Node Reshape節(jié)點(diǎn)重塑歸因?yàn)槌橄罅６炔黄ヅ鋾r(shí)替換/改寫節(jié)點(diǎn)內(nèi)容讓粒度對(duì)齊當(dāng)前任務(wù)。整個(gè)執(zhí)行 → 反饋 → 修圖 → 再執(zhí)行會(huì)循環(huán)直到任務(wù)成功或達(dá)到最大輪數(shù)max_refinement_rounds默認(rèn) 5 輪。這一步正是標(biāo)題里自愈技能的落點(diǎn)Agent 修復(fù)的不是答案而是記憶本身。階段三長(zhǎng)期連接固化離線定期執(zhí)行在線積累的情景軌跡不能永遠(yuǎn)只存不改。Stage III 在離線時(shí)執(zhí)行長(zhǎng)期固化情景聚類按語(yǔ)義相似度K-Means把相似任務(wù)軌跡聚成簇技能歸納讓 LLM 從每個(gè)簇中歸納出共享的可復(fù)用技能生成新的ProceduralNode并掛上DistillEdgePEMS 引導(dǎo)的迭代精煉反復(fù)驗(yàn)證并改寫技能直到 PEMS 分?jǐn)?shù)收斂技能才算畢業(yè)。PEMS給技能成熟度一個(gè)可量化的停止條件什么時(shí)候該停止改寫技能 固定迭代次數(shù)顯然不科學(xué)。FluxMem 引入了PEMSProcedure Evolution Maturity Score程序演化成熟度分?jǐn)?shù)作為收斂信號(hào)PEMS 源情景平均成功率 ÷ (技能節(jié)點(diǎn)數(shù) × ln(技能文本長(zhǎng)度)) × (1 ? 相鄰兩版技能 embedding 的差異)直覺上它同時(shí)約束了三件事? 技能要真管用成功率高? 技能要夠精煉文本越長(zhǎng)分母越大? 技能要夠穩(wěn)定版本間差異越小越好。當(dāng)連續(xù)兩輪的 PEMS 變化小于閾值pems_threshold默認(rèn) 0.01時(shí)即判定技能已成熟停止重寫。計(jì)算實(shí)現(xiàn)見 pems.py。這讓長(zhǎng)期記憶第一次變得可測(cè)量框架自己決定何時(shí)收工而不是永遠(yuǎn)覆蓋?？刹灏魏蠖税?FluxMem 嵌入你的 Agent 系統(tǒng)FluxMem 默認(rèn)使用 OpenAI 的 LLM 與 embedding但同時(shí)暴露了三個(gè)抽象接口——BaseLLM、BaseEmbedder、BaseVectorStore見 interfaces/。你可以換成本地 LLM、自定義 embedding 模型或任意向量庫(kù)完全不需要改動(dòng)圖結(jié)構(gòu)、三階段流水線和 PEMS 指標(biāo)。這種解耦讓 FluxMem 能輕松嵌入 LightMem 這類更大的 Agent 記憶系統(tǒng)。快速上手在 LightMem 項(xiàng)目根目錄安裝可選依賴pip install -e .[fluxmem] export OPENAI_API_KEYyour_api_key之后導(dǎo)入fluxmem包即可初始化 Agent調(diào)用add_knowledge()注入事實(shí)知識(shí)run_task()執(zhí)行任務(wù)自動(dòng)走階段一檢索 階段二精化再定期調(diào)用consolidate()完成階段三離線固化。完整示例見 FluxMem.md。常用配置速查配置集中在 FluxMemConfig參數(shù)默認(rèn)值說(shuō)明top_k_semantic/top_k_episodic5 / 3語(yǔ)義 / 情景檢索的 Top-kmax_refinement_rounds5階段二最大自愈輪數(shù)num_clustersNone階段三聚類數(shù)None 為自動(dòng)pems_threshold0.01PEMS 收斂閾值 εdense_weight/bm25_weight/llm_weight1.0 / 0.5 / 0.3混合檢索三路權(quán)重小結(jié)記憶從倉(cāng)庫(kù)變成活的網(wǎng)絡(luò)FluxMem 的三個(gè)關(guān)鍵詞可以幫你記住它?異構(gòu)圖事實(shí)、經(jīng)歷、技能共居一張帶類型邊的圖檢索即遍歷自愈失敗歸因 擴(kuò)鏈/剪枝/重塑修復(fù)的是記憶拓?fù)涠菃未位卮鹂蓽y(cè)量PEMS 分?jǐn)?shù)讓技能成熟有了原則性的停止條件。對(duì)正在構(gòu)建長(zhǎng)期 Agent 的同學(xué)FluxMem 提供了一個(gè)很好的范式參考記憶的價(jià)值不在于存了多少而在于連接如何演化。如果你想進(jìn)一步了解它在 LightMem 全家桶中的定位可以繼續(xù)閱讀 FluxMem.md 與 README.md。贊分享【免費(fèi)下載鏈接】LightMem[ICLR 2026] LightMem: Lightweight and Efficient Memory-Augmented Generation項(xiàng)目地址https://gitcode.com/gh_mirrors/li/LightMem點(diǎn)擊查看免費(fèi)下載相關(guān)推薦Pavex安全性考量如何構(gòu)建安全的API應(yīng)用Pavex安全性考量如何構(gòu)建安全的API應(yīng)用 Pavex是一個(gè)面向Rust專業(yè)人士的后端框架專注于幫助開發(fā)者構(gòu)建高性能、安全可靠的API應(yīng)用。在當(dāng)今數(shù)字化時(shí)后端Prismer Cloud 記憶層完全指南讓 AI Agent 擁有跨會(huì)話的持久記憶Prismer Cloud 記憶層完全指南讓 AI Agent 擁有跨會(huì)話的持久記憶 Prismer Cloud 記憶層Memory Layer 是VoltAgent持久記憶完全指南構(gòu)建擁有長(zhǎng)期記憶的AI智能體 VoltAgent持久記憶完全指南構(gòu)建擁有長(zhǎng)期記憶的AI智能體 VoltAgent是一個(gè)開源TypeScript AI智能體框架 package.js人工智能AI AgentAgent 框架后端多智能體RAG工具調(diào)用Agent 記憶Agent 工作流AI 評(píng)測(cè)MCP 服務(wù)MCP Clients語(yǔ)音創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考