Hindsight:长期智能体的记忆架构

Hindsight 提出了一个针对长期智能体的记忆架构,包含四个逻辑网络和主动反思功能。- 记忆网络:世界事实、智能体经验、实体摘要、不断演变的信念。- 核心操作:保留(摄取新信息)、回忆(检索相关片段)、反思(更新信念)。- 系统主动对记忆进行推理,以纠正信念并减少幻觉。- 实验结果:在 LongMemEval 上达到 91.4% 的准确率,并在某些长序列任务上超越全上下文 GPT-4o。- 提供开源代码和 DeepWiki 项目链接以供重用和探索。
Key insights
Hindsight 将记忆重新定义为推理基础
Hindsight 将记忆结构化为四个网络——世界事实、智能体经验、综合实体摘要和不断演变的信念,并将记忆视为推理的基础,而非被动存储。该架构定义了三种操作:保留以摄取和组织新信号;回忆以检索精确的、与上下文相关的记忆;反思以主动推理存储项目并更新信念。作者将反思呈现为一种纠正机制,用于更新不正确的推论并支持长期智能体学习。
Hindsight 报告高基准性能和开源发布
Hindsight 团队在 LongMemEval 上报告了 91.4% 的准确率,并指出 Hindsight 能够在某些长时间任务上超越具有全上下文窗口的模型(例如 GPT-4o),通过结构化记忆减少混淆和幻觉。该项目及其 DeepWiki 实现已作为开源发布,并附有代码库供社区使用。