准备：在没有任务的情况下构建代理内存

arXiv:2605.13880v1 公告类型：新 摘要：代理内存通常是通过策划的演示离线构建的，或者通过部署后交互在线构建的。然而，无论它是如何构建的，当首次引入新环境而没有任何特定于任务的经验可用时，代理都会面临冷启动差距。在本文中，我们研究任务前记忆构建：智能体是否可以在观察任何目标环境任务之前仅使用自我生成的综合实践来构建程序记忆。然而，仅靠合成交互是不够的，因为如果不控制练习什么和存储什么，合成任务就会变得多余、不可行，并且最终无法提供信息，并且由于未经过滤的轨迹，记忆会进一步迅速退化。为了克服这个问题，我们提出了 Preping，一个提议者引导的内存构建框架。其核心是提议者记忆，一种塑造未来实践的结构化控制状态。提议器生成以此状态为条件的综合任务，求解器执行它们，验证器确定哪些轨迹适合内存插入，同时还提供反馈以指导未来的提议。在 AppWorld、BFCL v3 和 MCP-Universe 上的实验表明，Preping 比无内存基线有了显着改进，并且实现了与根据离线或在线经验构建的强大的基于 playbook 的方法相媲美的性能，与在线内存构建相比，AppWorld 上的部署成本降低了 2.99 美元，BFCL v3 上的部署成本降低了 2.23 倍。进一步的分析表明，主要的好处不仅仅来自合成量，而是来自提议者方对可行性、冗余和覆盖范围的控制，以及选择性的内存更新。