微软提出MemSteer优化Agent记忆

微软研究院提出 MemSteer，用无标注的用户历史自动生成带证据支撑的问答监督，用来优化 Agent 的记忆系统，而不是更新模型参数。 其做法是先构建 evidence-grounded 的答案计划，指明哪些相关记录如何共同支撑参考答案，再由计划引导生成问题，并通过源头审计和盲答案恢复校验标注质量。 在此基础上形成的 MemSteer-Opt 结合问答评估与证据引导的失败诊断，修订记忆库、检索和上下文构建。实验显示，在 ATM-Bench 和 RHELM 上，MemSteer-Opt 的效果与官方问答引导优化相当，并显著超过 BM25 基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。