MemArbiter: Decision-Time Memory Arbitration for Long-Horizon LLM Agents
作者: Jiajun Dong, Yutao Hu, Fengrui Fan, Shihan Dou, Yueming Wu, Deqing Zou
分类: cs.AI
发布日期: 2026-08-03
备注: 9 pages, 3 figures, 5 tables
💡 一句话要点
提出MemArbiter以解决长时间任务中的记忆管理问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 记忆管理 功能感知 动态控制 长时间任务
📋 核心要点
- 现有方法在长时间任务中无法有效管理记忆，导致决策时信息未能充分利用。
- MemArbiter通过将交互历史分解为原子项并组织成功能性记忆库，动态控制记忆的显著性。
- 在ALFWorld的实验中，MemArbiter显著提高了成功率，并改善了失败后的恢复能力。
📝 摘要（中文）
大型语言模型（LLM）代理在长时间任务中必须保留并使用跨步骤信息以实现连贯的行动。现有方法虽然提高了记忆的可访问性，但由于信息的组织、优先级或呈现不当，仍可能导致决策失误。我们提出MemArbiter，一个功能感知的记忆仲裁框架，旨在解决这一记忆管理引起的失误。MemArbiter将交互历史分解为原子项，组织成五个功能性记忆库，并结合需求、相关性、焦点-环境表示和时间呈现门控，动态控制记忆的显著性。在ALFWorld上进行评估时，MemArbiter在500和750个标记预算下的成功率分别为82.8%和92.5%，超越最强基线20.9和25.4个百分点，显著改善了失败后的恢复能力，减少了失败动作的重复和状态-动作的重现。这些结果表明，功能感知的记忆仲裁能够更有效地引导行动。
🔬 方法详解
问题定义：论文旨在解决大型语言模型在长时间任务中由于记忆管理不当导致的决策失误问题。现有方法虽然提高了记忆的可访问性，但仍存在信息组织和优先级设置不当的问题。
核心思路：MemArbiter的核心思路是通过功能感知的记忆仲裁来优化记忆的使用，确保在决策时能够有效利用相关信息。通过将交互历史分解为原子项并组织成多个功能性记忆库，MemArbiter能够动态调整信息的显著性。
技术框架：MemArbiter的整体架构包括五个功能性记忆库，结合需求、相关性、焦点-环境表示和时间呈现门控，形成一个动态控制机制。该框架能够根据当前任务需求调整记忆的使用。
关键创新：MemArbiter的主要创新在于其功能感知的记忆仲裁机制，能够有效解决现有方法中的记忆-行动差距问题。与传统方法相比，MemArbiter在信息组织和优先级设置上具有更高的灵活性和适应性。
关键设计：MemArbiter的设计包括对交互历史的原子化处理、五个功能性记忆库的构建，以及动态控制记忆显著性的机制。这些设计确保了在不同任务场景下，信息能够被有效地提取和利用。
🖼️ 关键图片
📊 实验亮点
在ALFWorld的实验中，MemArbiter在500和750个标记预算下的成功率分别达到了82.8%和92.5%，超越最强基线20.9和25.4个百分点。此外，该方法显著改善了失败后的恢复能力，减少了失败动作的重复和状态-动作的重现。
🎯 应用场景
MemArbiter的研究成果具有广泛的应用潜力，尤其在需要长时间决策的领域，如自动驾驶、智能助手和复杂游戏等。通过优化记忆管理，该框架能够提升系统的决策能力和用户体验，未来可能在更多智能系统中得到应用。
📄 摘要（原文）
Large language model (LLM) agents must retain and use cross-step information to act coherently in long-horizon tasks. Existing methods improve memory accessibility, yet action-relevant information may still fail to guide the current decision because it is poorly formed, organized, prioritized, or presented. We call this post-access failure the Memory-Action Gap. We propose MemArbiter, a function-aware memory arbitration framework that addresses the memory-management-induced component of this gap. MemArbiter decomposes interaction histories into atomic items, organizes them into five functional Memory Banks, and combines bank-level demand, item-level relevance, focal-ambient representations, and a temporal presentation gate to dynamically control memory salience. We evaluate MemArbiter on ALFWorld against Flat Retrieval and Flat Recency under unified per-step memory budgets. With an open-weight action-generation model, MemArbiter achieves success rates of 82.8% and 92.5% under 500- and 750-token budgets, outperforming the strongest baseline by 20.9 and 25.4 percentage points, respectively. It also improves post-failure recovery and reduces failed-action repetition and state-action recurrence. These results show that function-aware memory arbitration enables accessible information to guide actions more effectively.