据微软研究人员介绍,一篇于 9 月 10 日提交、题为《Grounding Agent Memory: Environment-Probing Curation for Enterprise Agents》的论文提出了一种名为“环境探测式整理”的技术,用于解决 AI 代理的记忆可靠性问题。在 AI 代理将信息存储到长期记忆之前,一个独立的整理代理会根据现实环境对这些信息进行验证。
在 CLBench 数据库探索基准测试中,采用该探测技术后,通过率从 39% 提升至 73%。任务代理处理每个问题的成本从 $3.38 降至 $1.68,降幅约为 50%;同时,每个问题的查询次数也从 8.8 次降至 4.7 次。在六种 APEX 管理咨询场景中的测试表明,与传统的记忆增强框架相比,该方法在其中五种环境中获得了更高的每美元奖励。该方法无需修改模式或重新训练底层任务代理,并已在包括 Sonnet 4.6 和 Opus 4.7 在内的多个基础模型上进行了测试。