本文是LLM系列文章,针对《A Survey on the Memory Mechanism of Large Language Model based Agents》的翻译。
基于大型语言模型的Agent记忆机制研究综述
摘要
基于大型语言模型(LLM)的代理最近引起了研究和行业界的广泛关注。与原始的LLM相比,基于LLM的代理具有自我进化的能力,这是解决需要长期和复杂的代理环境交互的现实世界问题的基础。支持代理与环境交互的关键组件是代理的内存。虽然之前的研究提出了许多有前景的记忆机制,但它们分散在不同的论文中,缺乏系统的综述来从整体的角度总结和比较这些作品,未能抽象出共同有效的设计模式来启发未来的研究。为了弥合这一差距,本文对基于LLM的代理的记忆机制进行了全面的调查。具体来说,我们首先讨论基于LLM的代理中的“是什么”和“为什么我们需要”内存。然后,我们系统地回顾了之前关于如何设计和评估存储模块的研究。此外,我们还介绍了许多代理应用程序,其中内存模块起着重要作用。最后,我们分析了现有工作的局限性,并指出了未来的重要方向。为了跟上这一领域的最新进展,我们在创建一个仓库https://github.com/nuster1128/LLM_Agent_Memory_Survey.