PRO-LONG：程序化记忆实现长程推理
热点事件持续更新
PRO-LONG：程序化记忆实现长程推理
1 篇报道1 个报道来源18 小时前更新
先了解这件事
报道摘要
研究者提出上下文管理框架 PRO-LONG，为长时程探索场景下的 LLM 智能体保留完整结构化交互日志，并用程序化工具高效检索历史。在 NetHack 上，其跨回合记忆得分最高达基础编码智能体的 2.2 倍；在 ARC-AGI-3 全部公开游戏集上，跨前沿模型平均提升 18.0 个百分点，最佳@2 达 97.4%，同时 token 用量减少 4.2-5.8 倍。相关代码与日志已公开。
摘自 arXiv：cs.AI
最新进展10月15日 12:00
PRO-LONG：用程序化记忆让 LLM 智能体实现长时程推理报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIPRO-LONG：用程序化记忆让 LLM 智能体实现长时程推理
研究者提出上下文管理框架 PRO-LONG，为长时程探索场景下的 LLM 智能体保留完整结构化交互日志，并用程序化工具高效检索历史。在 NetHack 上，其跨回合记忆得分最高达基础编码智能体的 2.2 倍；在 ARC-AGI-3 全部公开游戏集上，跨前沿模型平均提升 18.0 个百分点，最佳@2 达 97.4%，同时 token 用量减少 4.2-5.8 倍。相关代码与日志已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。