MATE
一种面向具身智能体的确定性后检索记忆适配框架，在记忆检索与具身执行之间引入独立的适配阶段，通过动作归一化、条件-动作-效果拆解等步骤将历史轨迹转化为可执行表示，无需额外LLM推理
时间轴 (近 90 天)
MATE 目前的验证主要集中在 ALFWorld 基准上，其在更复杂、更开放的真实环境中的泛化能力仍有待进一步检验
MATE 主张记忆适配应当作为检索与具身执行之间一个独立的阶段存在
MATE 的处理流程包括移除过时的控制上下文、抽取条件-动作-效果转移、应用经过验证的动作归一化、选择任务相关的表示形式、在固定预算下序列化输出
MATE 的整个处理流程不需要额外的 LLM 推理
研究团队在 134 个 ALFWorld 任务上验证了 MATE 的效果
MATE 搭配 Qwen2.5-14B 模型，任务成功率达到 81.3%
MATE 所消耗的 token 数量仅约为原始轨迹的十分之一
消融分析确认经过验证的动作归一化是 MATE 恢复检索经验可用性的主要机制
Trail of Bits 维护用于二进制分析的 MATE 框架和智能合约分析工具 Echidna
全部知识事实 (9)
MATE 目前的验证主要集中在 ALFWorld 基准上，其在更复杂、更开放的真实环境中的泛化能力仍有待进一步检验
50%待验证MATE 主张记忆适配应当作为检索与具身执行之间一个独立的阶段存在
50%待验证MATE 的处理流程包括移除过时的控制上下文、抽取条件-动作-效果转移、应用经过验证的动作归一化、选择任务相关的表示形式、在固定预算下序列化输出
50%待验证MATE 的整个处理流程不需要额外的 LLM 推理
50%待验证研究团队在 134 个 ALFWorld 任务上验证了 MATE 的效果
50%待验证MATE 搭配 Qwen2.5-14B 模型，任务成功率达到 81.3%
50%待验证MATE 所消耗的 token 数量仅约为原始轨迹的十分之一
50%待验证消融分析确认经过验证的动作归一化是 MATE 恢复检索经验可用性的主要机制
50%待验证Trail of Bits 维护用于二进制分析的 MATE 框架和智能合约分析工具 Echidna
50%