研究人员提出Agent记忆调度框架MemSidecar
Start here
2026年11月3日，研究人员在 arXiv 发布研究，提出面向长程任务的智能体记忆调度框架 MemSidecar。该框架旨在通过解耦记忆调度与任务执行，降低大语言模型（LLM）智能体在长程任务中的调度负担与执行延迟。系统主要提供两种运行模式：一是基于事件匹配直接交付记忆的 Hooks 模式，二是由独立智能体预测并并行检索缓存的 Foresight 模式。在 MCP-Persona 基准测试中，Hooks 与 Foresight 模式分别取得了 41.23% 和 44.34% 的成绩，在有效降低执行成本的同时提升了整体效率。
AI-generated from reports · Updated 13 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能谁来调度智能体记忆？面向长程任务的 MemSidecar 边车方法
研究人员提出 MemSidecar，通过解耦记忆调度与任务执行，降低 LLM 智能体在长程任务中的调度负担与执行延迟。系统提供基于事件匹配直接交付记忆的 Hooks，以及由独立智能体预测并并行检索缓存的 Foresight 两种模式。在 MCP-Persona 基准上，Hooks 与 Foresight 分别取得 41.23% 和 44.34% 的成绩，有效降低了执行成本并提升效率。
Story heat trend
Current heat 6·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.