SWE-MeM: Learning Adaptive Memory Management for Long-Horizon Coding Agents
SWE-MeM 是一个训练框架，它通过灵活的工具和记忆感知 GRPO（Memory-aware GRPO），为软件工程智能体提供自适应、按需的内存管理能力，使其能够动态优化上下文使用，并在长周期编码任务中实现比现有静态方法更优越的性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
以下是使用简单语言和创意类比对 SWE-MeM 论文进行的解释。
问题所在：“信息过载”引发的交通拥堵
想象你是一名受雇于修复一个庞大且复杂建筑（代码仓库）中某个漏洞（Bug）的优秀软件侦探（AI 智能体）。你开始进行调查，但随着工作的进行，你为自己走的每一步都留下了笔记、照片和录音。
- 问题在于： 在现实世界中，这些“笔记”（对话历史）会不断堆积。最终，这堆东西会变得如此巨大，以至于堵住了门口。你的侦探大脑（AI 模型）同时能观察事物的空间是有限的（即“上下文窗口”）。如果这堆东西变得太大，你要么看不见新的线索，要么会被过多的无关细节淹没，从而忘记了你原本要解决的问题。
- 旧的方法： 以前的方法试图通过僵化的方式来解决这个问题。它们就像一个刻板的图书管理员，会对你说：“每当你写满 100 页时，我会自动扔掉前 50 页，并用一段通用的摘要来替换它们。” 这很糟糕，因为有时候前 50 页包含了你唯一需要的关键线索，而有时候最后 50 页仅仅是你对天气的抱怨（这些是可以安全丢弃的）。
解决方案：SWE-MeM（聪明的私人助理）
作者创建了 SWE-MeM，一种全新的训练框架，旨在教会 AI 智能体成为它自己的聪明私人助理。它不再是一个刻板的图书管理员，而是学会了主动管理自己的记忆。
以下是它的工作原理，分为三个简单的部分：
1. 灵活的工具（决定“何时”以及“什么”）
SWE-MeM 给智能体提供了一个名为 compress（压缩）的特殊工具。智能体会学习在调用它之前问自己三个问题：
- 何时？ 我现在需要清理一下吗？（我的桌面是不是变得太乱了？）
- 什么？ 我的哪些笔记是垃圾？（这是一段冗长的失败测试尝试，还是一个关键的代码片段？）
- 如何？ 我该如何总结这段内容？（我是只保留结论，还是保留具体的错误信息？）
类比： 想象你在写日记。一个僵化的系统会在你写新的一页时删除第一页。而 SWE-MeM 就像一个聪明的编辑，他会看你的日记并说：“嘿，你连续三天只是盯着白墙发呆（价值较低）。让我们把那三天总结为‘第 3 天：停滞不前’。但你在第 5 天发现了破裂的水管（价值较高），让我们把这个细节原封不动地保留下来。”
2. 训练方法（在实践中学习）
你如何教会一个 AI 变得如此聪明？你不能只是告诉它，它必须通过练习。作者使用了三步走的训练过程：
- 合成轨迹（模拟演练）： 他们创建了数千个虚构的“侦探案件”。他们使用一个超级聪明的 AI 来充当裁判，决定侦探在何时应该清理其笔记。他们构建了一个数据集，让智能体练习在正确的时间压缩正确的内容。
- 课程学习（学校教育）： 他们分阶段教授智能体。首先，他们教授基础知识：“这是如何写摘要的。”一旦掌握了这一点，他们就会进入高级班：“现在，学习在空间耗尽之前进行总结，而不仅仅是在被迫执行时才总结。”这就像是在旅行前教学生如何收拾行李，而不是等到行李快要爆开时才动手。
- 记忆感知 GRPO（奖励机制）： 这是最技术性的部分，但你可以把它想象成一个视频游戏评分系统。
- 在常规训练中，只有当 AI 在最后成功修复了 Bug 时，它才会获得一个“胜利”点数。
- 在 SWE-MeM 中，系统会观察整个过程。如果 AI 在中间做出了一个优秀的压缩决策，并在随后帮助解决了问题，它会获得额外加分。如果它压缩了重要的内容导致陷入困境，它则会受到惩罚。这教会了 AI：良好的记忆管理是赢得游戏的一部分。
3. 结果（赢得比赛）
作者在 SWE-Bench Verified 上测试了 SWE-MeM，这是一个要求 AI 智能体必须修复真实世界软件漏洞的严苛基准测试。
- 得分： 一个规模较小的模型（40 亿参数）解决了 43.4% 的问题。一个规模较大的模型（300 亿参数）则解决了 60.2% 的问题。
- 效率： 它不仅解决了更多问题，而且使用的 Token（单词/字符）更少，采取的步骤也比其他方法更少。
- 对比： 它击败了所有之前的“刻板图书管理员”式的方法。它证明了，让智能体自己决定何时清理记忆，比强制按计划清理要有效得多。
总结
SWE-MeM 就像是将一名侦探从“在桌面堆满时才手忙脚乱撕碎纸张的人”，升级为“知道哪些线索该保留、哪些该总结、以及何时整理桌面，从而在不耗尽空间的情况下高效解决案件的人”。它教会了 AI 变得积极主动、灵活且高效，从而能以更少的精力实现更好的代码修复。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。