AutoMem

AutoMem 是一个面向大语言模型（LLM）智能体的记忆能力自动化训练框架，将文件系统级记忆操作（如记录、检索、组织）建模为可学习的认知技能。其核心采用双循环元优化机制：Loop 1 由元LLM优化记忆结构（如提示模板、文件Schema与动作定义），Loop 2 通过自监督采样提升模型对记忆的使用熟练度，全程不修改任务动作策略。技术上基于开源Qwen2.5-32B-Instruct，在Crafter、MiniHack和NetHack等长周期、高状态依赖的游戏环境中验证了有效性。适用于需长期状态追踪、跨步推理与经验复用的具身智能体或复杂决策场景。