微软论文提高了人工智能代理的内存准确性，将成本降低了一半

一种新的环境探测技术可以让人工智能代理在存储之前对自己的记忆进行事实检查，从而使关键基准的准确性几乎翻倍。

人工智能代理存在记忆问题。不是他们在谈话中忘记你的名字，而是更阴险的事情：他们记住了错误的、过时的或太模糊而无用的事情，然后自信地根据这些记忆采取行动。微软研究人员认为他们已经找到了解决办法。

9 月 10 日提交的一篇论文，题为“接地代理记忆：企业代理的环境探测管理”，介绍了一种称为环境探测管理的技术。核心思想看似简单。在人工智能代理将某些内容提交到其长期记忆之前，一个单独的管理者代理会根据其运行的现实世界环境仔细检查该信息。

格洛丽亚 你所拥有的可能比你想象的更多。凯莱金融会仔细检查您的资金并确定您隐藏的真实风险敞口。检查您的曝光度 →

数字讲述故事

在 CLBench 数据库探索基准上，实施探测技术后，通过率从 39% 跃升至 73%。每个问题的任务代理成本从 3.38 美元下降到 1.68 美元，大约降低了 50%。每个问题所需的查询次数从 8.8 下降到 4.7。

根据任务的不同，工具调用下降了 16% 到 75%。

研究人员还测试了六种 APEX 管理咨询场景。在六分之五的测试环境中，与传统的内存增强框架相比，探测方法提供了更好的每美元回报。测试涵盖了多个基础模型，包括 Sonnet 4.6 和 Opus 4.7，并且不需要对底层任务代理进行架构更改或重新训练。

人工智能、科技及其所推动的市场——每日简报。日常的。自由的。加入加密货币、金融和政策领域 34,000 多名读者的行列。电子邮件地址 免费订阅 我们尊重您的隐私。随时取消订阅。

为什么当前代理内存出现故障

大多数系统都使用所谓的基于轨迹的管理。代理完成一项任务，回顾自己的轨迹，并提取“经验教训”来存储以供将来参考。如果代理在任务期间误解了某些内容，或者任务完成后环境发生了变化，这些错误就会被永久记忆。

Microsoft 的环境探测方法通过插入验证步骤来解决这个问题。异步管理器代理可以访问真实环境中有限的只读工具。它可以查找事物、验证事实并在候选人永久记忆之前刷新它们。主要任务智能体不需要被修改、重新训练，甚至不需要意识到它的记忆正在被审查。

更大推动力的一部分

微软在 2026 年一直在系统地解决代理内存问题。该公司之前发布了 STATE-Bench，这是一个专门设计用于评估代理维护和使用持久内存的情况的基准。其他项目包括 Memora（一种代理记忆架构框架）以及对人类记忆系统的研究。

这篇最新论文的测试环境也值得注意。研究人员使用 GitHub Copilot 作为他们的类似生产的测试平台。 Copilot 是该公司的旗舰人工智能产品之一，已部署在数百万开发人员的工作流程中。