MemSlides：支持多轮局部修订的个性化幻灯片分层记忆驱动代理框架 MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision
分层记忆框架实现个性化幻灯片生成与多轮局部修订
前置知识
大型语言模型代理
LLM代理是基于大型语言模型构建的智能系统，它通过工具调用、推理规划和反馈循环来完成复杂任务。代理通常包含规划模块、执行模块、记忆模块和反思模块。在幻灯片生成场景中，代理需要理解用户需求、调用编辑工具、管理文档状态，并根据反馈持续优化输出。代理的核心能力包括任务分解、工具选择、状态管理和错误恢复，这些能力使得代理能够处理比单轮问答更复杂的创作任务。
本文的MemSlides本质上是一个LLM代理系统，其分层记忆框架建立在代理架构基础之上。理解代理的规划执行反思循环、工具使用模式以及状态管理机制，对于理解MemSlides如何将记忆机制集成到生成和修订流程中至关重要。代理的记忆模块设计是MemSlides的核心创新，理解传统代理的局限性有助于理解MemSlides的改进点。
检索增强生成
检索增强生成是一种通过从外部知识库检索相关信息来增强LLM生成能力的技术。在生成过程中，系统根据当前输入检索相关的文档、事实或偏好，然后将检索到的内容作为上下文输入给LLM，从而提高生成的准确性和相关性。RAG系统通常包含编码器、检索器和生成器三个核心组件。编码器将查询和文档编码为向量，检索器找到最相关的文档，生成器基于检索内容生成回复。RAG的关键在于平衡检索信息的权重和当前任务需求。
本文的用户画像记忆和工具记忆本质上是一种结构化的RAG机制。当生成或修订幻灯片时，MemSlides从长期记忆中检索匹配用户意图的偏好条目，作为上下文注入到生成过程中。理解RAG如何平衡检索信息的权重和当前任务需求，对于理解MemSlides的记忆路由和冲突解决机制非常重要。RAG的检索精度和相关性直接影响个性化效果。
分层记忆架构
分层记忆架构将代理的记忆系统按照生命周期和使用频率划分为多个层次。长期记忆存储跨任务持久化的信息，工作记忆存储当前会话的临时状态，短期记忆存储当前轮次的输入输出。这种设计类似于人类的记忆系统：长期记忆对应知识和技能，工作记忆对应当前关注的内容和临时信息。记忆在不同层级之间的传递需要明确的路由、整合和巩固策略。分层记忆的关键在于确定哪些信息应该长期存储、哪些信息应该临时缓存，以及如何在层级之间传递信息。
本文的核心创新就是将记忆系统明确分为两层：长期记忆和工作记忆。长期记忆持久化存储用户的跨任务偏好和可重用的编辑经验，工作记忆在单次会话中维持临时偏好和编辑状态。理解这种分层设计如何解决现有方法中记忆信号混杂、生命周期不清晰的问题，是掌握本文方法的关键。分层记忆使得系统能够同时处理跨任务的持久化和会话内的临时约束。
局部修订策略
局部修订是指在对文档进行修改时，只改变受用户请求直接影响的最小区域，而不是重新生成整个文档。最小有效作用域原则要求系统精确识别需要修改的元素，只对这个局部区域应用修改，保持其他未修改部分不变。实现局部修订需要文档结构表示、作用域解析算法和边界检查机制。文档结构表示将文档解析为结构化树，作用域解析算法确定修改影响的元素集合，边界检查机制确保修改不会溢出到未目标区域。局部修订的核心挑战在于准确确定修改的作用域和保证修改的正确性。
本文的局部修订策略是其区别于现有方法的关键创新。传统方法处理编辑请求时往往会重新生成整张幻灯片甚至整个幻灯片组，导致已经对齐的内容被覆盖、增加上下文压力并引入不必要的漂移。MemSlides通过PlanActGuard三阶段流程确保修改只在目标区域生效，这是实现可靠多轮修订的技术基础。局部修订策略直接影响多轮编辑的效率和用户体验。
多轮对话系统
多轮对话系统是指能够通过多轮交互完成复杂任务的对话系统。与单轮问答不同，多轮系统需要维护对话状态、处理上下文依赖和支持增量修订。对话状态跟踪记住之前说过的内容、理解当前轮次的意图、规划后续行动。上下文依赖是指当前轮次的理解依赖于之前轮次的信息。增量修订是指在已有基础上逐步完善结果。多轮系统面临的核心挑战包括状态跟踪的准确性、长期依赖关系的处理、冲突偏好的解决以及对话效率的优化。这些挑战需要精心设计的状态表示和更新策略。
本文将个性化幻灯片生成建模为多轮有状态创作问题，而不是一次性的源文档到幻灯片的转换任务。MemSlides的工作记忆专门用于在多轮修订过程中携带临时偏好和编辑状态，使得后续的局部编辑可以保持前面轮次引入的约束。理解多轮系统如何处理状态演化和增量任务，对于理解MemSlides为什么需要分离工作记忆和长期记忆非常重要。多轮对话设计直接影响用户体验和系统效率。
研究动机
现有的自动幻灯片生成系统缺乏持久化的个性化能力，无法在多轮对话编辑中可靠地保存和重用用户偏好。具体表现为：首先，个人化通常通过当前提示词或模板来实现，用户需要在每次交互时重新指定其偏好。例如，学术演示偏好简洁布局和公式强调，而商业演示偏好视觉冲击力强的图表和行动号召结尾。这种重复指定不仅增加了用户负担，还容易遗漏某些隐式偏好。其次，现有系统处理编辑请求时往往通过重新上下文化或重新生成幻灯片的大部分内容来应对，导致小的修改请求需要与整个幻灯片状态和反馈历史竞争有限的上下文窗口。例如，用户请求将第5页底部的文本从4 groups改为8 heads这样的局部修改，传统方法可能会重新生成整张幻灯片，可能改变已对齐的布局、颜色或无关文本。最后，当前系统主要改进幻灯片代理的工作流程、工具和评估器，但仍将个人化视为提示工程的隐式副产品，而非通过记忆设计直接提供的服务。这种设计导致个人化信号在不同轮次之间难以持久传递，用户偏好无法跨任务积累和应用。
本文的目标是本文的目标是构建一个支持个性化幻灯片生成和多轮局部修订的代理框架，能够持久化存储用户的跨任务偏好，在多轮编辑中可靠地保持临时约束，并对编辑请求执行精确的局部修改。具体而言，系统应该能够在第一轮生成时根据用户的长期偏好生成初始幻灯片组。在后续的多轮修订中，能够携带和更新临时偏好，例如如果之后添加新幻灯片，其标题也应该是蓝色的这样的未来导向规则。当用户请求局部修改时，只在受影响的最小区域应用变更，而不是重新生成整个幻灯片或幻灯片组。同时，系统还应该能够从编辑反馈中学习可重用的执行经验，避免重复无效的尝试或重触发已知的工具误用。通过这些能力，系统可以显著减少用户重复指定偏好的负担，提高多轮编辑的效率和可靠性，并随着使用不断改进个性化效果。
与已有工作不同的是，本文的独特切入角度在于明确将个人化机制从隐式提示工程转变为显式的分层记忆设计，并将局部修订策略作为实现可靠多轮编辑的技术基础。与现有工作相比，MemSlides的差异化体现在三个维度：首先，它将记忆系统明确分为长期记忆和工作记忆，而不是使用单一的对话缓冲区来存储所有历史信息。长期记忆持久化存储用户的跨任务偏好和可重用的执行经验，工作记忆在当前会话中维持临时偏好和编辑约束。这种分层设计使得不同生命周期的信息能够得到适当的处理。其次，MemSlides引入了作用域敏感的幻灯片局部修订策略，通过PlanActGuard三阶段流程将修改限制在目标区域，而不是重复重新生成整个幻灯片组。这种策略避免了已对齐内容被覆盖的问题，减少了上下文压力。最后，MemSlides在评估时构建了多画像、多意图的用户画像库，用于评估持久化个人化效果，这与现有工作主要关注通用生成质量或任务时模板条件化的评估方式有本质区别。这种评估方式更能反映真实场景中的个人化需求。
核心方法
MemSlides的整体思路是通过分层记忆框架和局部修订策略来实现个性化幻灯片生成和多轮编辑。从直觉上看，这类似于一位经验丰富的助手，他不仅了解你的长期偏好，还能在当前项目中记住你临时提出的约束，并且在修改时只动需要改的地方，不会误动已经满意的部分。技术实现上，MemSlides包含两个核心组件：分层记忆系统和作用域敏感的局部修订执行器。分层记忆系统将长期记忆和工作记忆分离，长期记忆进一步分为用户画像记忆和工具记忆。用户画像记忆存储用户在不同意图下的跨任务偏好，按主题、内容、视觉、布局、模板和通用等维度组织。工具记忆存储可重用的执行经验，包括轮次范围的任务经验和操作范围的工具链经验。工作记忆存储当前会话状态和跨修订轮次的临时反馈。局部修订执行器通过PlanActGuard三阶段流程实现目标区域的最小有效修改，避免重复重新生成整个幻灯片组。这种设计使得系统能够同时处理跨任务的持久化和会话内的临时约束，实现真正个性化的幻灯片创作。
MemSlides的核心创新点在于将个人化机制从隐式的提示工程转变为显式的分层记忆设计，并针对幻灯片编辑场景设计专门的记忆类型和局部修订策略。与现有方法将个人化视为静态提示前缀或隐式对话副产品不同，MemSlides将个人化建模为持久的用户画像加上当前会话的活跃临时记忆。用户画像记忆是用户特定且意图感知的：对于每个用户和每个意图，偏好按多个维度组织，并在每个任务开始时路由到工作记忆。工具记忆捕获可重用的执行经验，而不是原始交互历史，这使得代理能够用更少的重复错误、更少的回溯和更可靠的局部验证来执行编辑目标。局部修订策略确保代理能够在更新预期幻灯片区域的同时减少重复重新上下文化、不受控的作用域扩展和已对齐幻灯片的漂移。这三者结合使得MemSlides能够在生成和局部修订过程中根据持久的用户偏好和当前会话的活跃意图来生成和修改幻灯片，实现真正的个性化体验。
方法步骤详情
MemSlides的方法步骤可以完整描述为以下流程。给定源材料和用户画像记忆，系统首先产生初始幻灯片组，这被称为第0轮。在接收到修订轮次的用户反馈后，系统更新会话状态并相应地编辑当前幻灯片组。会话状态存储在当前创作会话中活跃的反馈导出的约束和编辑意图。在用户画像记忆方面，在第0轮生成之前，MemSlides选择当前意图的画像桶，从请求中提取约束，并将兼容项路由到工作记忆。明确的请求冲突覆盖当前幻灯片组对应的画像项，兼容偏好作为活跃记忆共存。在修订期间，活跃临时记忆随反馈演化，更新操作追加新暴露的偏好，覆盖真正的冲突，并保持非冲突项在后续轮次中活跃。在任务结束时，长期用户画像记忆通过巩固而非直接提升每个临时项来更新，这防止了临时请求被存储为持久偏好，同时允许稳定的、可转移的信号改进未来的个人化。在工具记忆方面，轮次范围的任务经验在修改任务启动时可用，在后续修改轮次中进入工作记忆，每轮后通过代理教训、工具错误摘要和自动提取的模式更新此池。操作范围的工具链经验更细粒度：原始推理工具观察链段被分段为可重用的链段片段，按操作上下文索引，在类似的未来工具调用前检索。在局部修订执行方面，Plan阶段将每个修订请求转化为明确的执行合约，记录推断的作用域、目标幻灯片路径、活跃规则标识符、选择器提示符以及是否需要目标覆盖。Act阶段根据合约和可用的幻灯片结构选择编辑工具。Guard阶段将完成视为受检查的状态，补丁调用绑定到快照内容哈希，过期快照触发重新绑定提示而非立即完全重写，每个补丁必须指定从修复候选、规则或目标导出的具体操作。
技术新颖性
MemSlides的技术新颖性体现在多个方面。首先，它明确区分了用户偏好记忆和执行经验记忆，这是大多数现有工作未做到的。用户画像记忆决定幻灯片组应该反映什么，工具记忆支持如何高效可靠地执行编辑。这种区分使得系统能够同时优化生成正确的内容和正确地编辑内容两个目标，而不会相互干扰。其次，MemSlides针对幻灯片编辑场景设计了专门的记忆类型和生命周期。用户画像记忆是用户特定且意图感知的，按主题、内容、视觉、布局、模板和通用等维度组织，这使得系统能够根据用户的不同角色意图应用不同的偏好。工具记忆包含轮次范围的任务经验和操作范围的工具链经验，这种粒度匹配与局部修订策略的时序粒度。第三，MemSlides的局部修订策略通过PlanActGuard三阶段流程实现了作用域约束的编辑执行，这与现有方法将作用域控制留在提示中隐式处理有本质区别。合约记录推断的作用域、目标幻灯片路径、活跃规则标识符、选择器提示符以及是否需要目标覆盖。补丁调用绑定到快照内容哈希，过期快照触发重新绑定提示而非立即完全重写。当需要覆盖时，过早的最终化调用被阻止，直到所有目标幻灯片都被修改或明确确认符合。最后，MemSlides构建了多画像、多意图的用户画像库用于评估持久化个人化效果，这与现有工作主要关注通用生成质量或任务时模板条件化的评估方式有本质区别。
实验结果
MemSlides的实验结果从多个维度验证了其有效性。在个人化方面，用户画像记忆在多个维度上提高了第0轮的人设对齐判断。在人设对齐判断下，MemSlides在GLM和Gemini模型上在所有列上都优于两个基线。在GLM模型上，MemSlides在Content指标上达到9.00分，Structure指标达8.78分，Visual指标8.56分，Specificity指标8.89分，而DeepPresenter相应指标为6.78、6.00、6.39和6.33，SlideTailor为4.44、4.89、4.00和3.89。平均而言，MemSlides比DeepPresenter在Content上提高1.37点，在Structure上提高0.53点，在Visual上提高1.66点，在Specificity上提高1.19点，比SlideTailor在相同维度上提高2.73、2.95、2.79和3.08点。这些增益是规划级的人设增益，最强的证据是Structure和Specificity的联合移动：Structure排除了模板检索准确性，Specificity使用干扰人设，而且评审者看不到原始提示或解析的意图，因此改进不能被解读为仅仅是更好的模板匹配或通用视觉润色。在通用质量方面，MemSlides在保持人设对齐增益的同时保持了竞争性的幻灯片生成质量。在GPT模型上，MemSlides达到最高的平均分数4.17，DeepPresenter为3.99，SlideTailor为3.60。在GLM模型上，MemSlides的平均分数为3.74，与DeepPresenter的3.86和SlideTailor的3.60竞争。在Gemini模型上，MemSlides获得最好的Style和Diversity分数，但Constraint较低，平均为3.60。在局部修订方面，在诊断匹配对修改设置中，工具记忆注入与更强的闭环完成和编辑后验证相关，同时减少了首次正确编辑时间和核心工具时间。闭环完成率从无注入的0.815提高到注入后的0.963，严格验证从0.310提高到0.534，首次正确编辑时间从609.5秒减少到242.5秒，核心工具时间比的几何平均值降低到0.327倍。过程指标与更受约束的局部编辑模式一致，而不是重复的完整幻灯片组重新生成或广泛的探索性编辑。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 人设对齐判断 | Content分数0-10分GLM模型 | 9.00 | DeepPresenter 6.78 SlideTailor 4.44 | 比DeepPresenter提高32.7比SlideTailor提高102.7 |
| 人设对齐判断 | Structure分数0-10分GLM模型 | 8.78 | DeepPresenter 6.00 SlideTailor 4.89 | 比DeepPresenter提高46.3比SlideTailor提高79.5 |
| 人设对齐判断 | Visual分数0-10分GLM模型 | 8.56 | DeepPresenter 6.39 SlideTailor 4.00 | 比DeepPresenter提高34.0比SlideTailor提高114.0 |
| 人设对齐判断 | Specificity分数0-10分GLM模型 | 8.89 | DeepPresenter 6.33 SlideTailor 3.89 | 比DeepPresenter提高40.4比SlideTailor提高128.5 |
| 诊断匹配对修改 | 闭环完成率所有模型平均 | 0.963 | 0.815无工具记忆注入 | 提高18.2 |
| 诊断匹配对修改 | 严格验证通过率所有模型平均 | 0.534 | 0.310无工具记忆注入 | 提高72.3 |
| 诊断匹配对修改 | 首次正确编辑时间所有模型平均秒 | 242.5 | 609.5无工具记忆注入 | 减少60.2 |
| 诊断匹配对修改 | 核心工具时间比所有模型平均几何平均 | 0.327倍 | 1.000倍无工具记忆注入 | 减少67.3 |
局限与改进
本文的局限性体现在多个方面。首先，评估范围受限于控制的人设对齐判断、诊断匹配对修改设置和定性工作记忆案例。画像库和编辑请求是代理而非真实用户部署研究，这意味着实验结果可能不能完全反映真实场景中的效果。未来工作应该添加更广泛的人类研究、随机化编辑集和更强的记忆同意、删除和敏感偏好保护。其次，本文的证据主要是代理评估而非真实用户体验研究。虽然作者构建了多画像、多意图的用户画像库来模拟真实用户的偏好分布，但这仍然是研究者设计的控制环境，而不是从真实用户交互中积累的偏好。真实用户的偏好可能更复杂、更动态、更不一致，而且在多轮修订中可能出现更多边缘情况和冲突场景。第三，本文在隐私和记忆管理方面的讨论较为初步。持久化的用户画像可能编码敏感的用户习惯、组织风格约束或受众定位策略，不正确的记忆巩固可能会在未来任务中保留过时或非预期的偏好。论文提到未来需要提供用户可见的记忆检查、编辑和删除控制，避免存储不必要的敏感信息，并将稳定的用户偏好与一次性任务指令分离，但这些功能尚未在当前系统中实现。第四，本文的工具记忆和局部修订策略主要针对诊断设置中选择的特定编辑场景，其通用性有待验证。例如，对于需要跨多个幻灯片的复杂结构修改，或者对于需要深度语义理解的编辑请求，工具记忆的有效性可能不如报告的结果。最后，本文的长期记忆更新策略相对简单，主要通过意图感知的画像巩固来更新用户画像记忆，但如何避免过度巩固临时请求、如何检测和消除过时偏好、如何处理用户意图的变化等问题需要更深入的研究。
独立分析的弱点
MemSlides在独立分析中暴露出的弱点包括以下几个方面。首先，在处理冲突偏好时的策略相对简单。当明确的会话反馈、任务时模板和用户画像记忆中的偏好发生冲突时，系统采用明确的会话反馈优先，然后是任务时模板，最后是用户画像记忆的优先级顺序。然而，在实际场景中，冲突可能更复杂和微妙，例如用户可能在某个任务中暂时改变偏好但并不希望这个改变被固化到长期记忆中，或者用户可能希望某些偏好在特定类型的幻灯片中优先于其他偏好。更细粒度的冲突检测和解决机制、更灵活的优先级策略、以及让用户参与冲突解决过程可能都是改进方向。其次，工具记忆的通用性受限。当前的工具记忆主要针对诊断设置中选择的特定编辑场景，其有效性在其他类型的编辑请求中可能不如报告的结果。例如，对于需要跨多个幻灯片的复杂结构修改，或者对于需要深度语义理解的编辑请求，工具记忆的有效性可能需要更复杂的记忆表示和检索机制。更丰富的工具记忆表示、更智能的检索机制、以及更广泛的经验收集可能都是改进方向。第三，长期记忆的更新策略不够智能。当前系统主要通过意图感知的画像巩固来更新用户画像记忆，但如何避免过度巩固临时请求、如何检测和消除过时偏好、如何处理用户意图的变化等问题需要更深入的研究。例如，用户可能在某个任务中尝试新的视觉风格但并不希望这个偏好被固化到长期记忆中，或者用户可能因为工作角色变化而需要调整其长期偏好。更智能的更新策略、更健壮的过时检测机制、以及更主动的用户参与可能都是改进方向。第四，系统在处理混合请求时的作用域解析可能不够准确。混合请求是指既包含局部修改又包含全局规则的请求，当前系统通过在执行合约中同时保留全局规则和局部异常来处理这种请求，但在更复杂的场景中，作用域解析可能更困难。更强大的作用域解析算法、更丰富的表达形式、以及更好的用户反馈机制可能都是改进方向。
未来方向
基于MemSlides的成果，未来的研究方向可以从多个维度延伸。首先，真实用户部署研究是必要的下一步。当前的评估主要基于控制的人设对齐判断和诊断匹配对修改设置，虽然这些实验提供了有价值的洞察，但它们不能完全反映真实场景中的效果。真实用户的研究可以揭示更复杂的偏好模式、更多样的编辑请求、更动态的意图变化，以及更严格的质量和可用性要求。具体而言，可以设计AB测试来比较MemSlides和现有系统在真实用户任务中的表现，收集用户满意度、任务完成时间、编辑轮次、错误率等指标，并进行深入的定性访谈来理解用户的体验和需求。其次，更强的记忆管理和隐私保护机制是重要的研究方向。持久化的用户画像可能编码敏感的用户习惯、组织风格约束或受众定位策略，不正确的记忆巩固可能会在未来任务中保留过时或非预期的偏好。未来工作可以设计用户可见的记忆检查、编辑和删除控制，让用户能够查看、修改和删除存储的偏好。实现记忆访问控制和敏感信息检测，避免存储不必要的敏感信息。设计记忆同意机制，让用户明确同意哪些偏好可以被长期存储。实现记忆审计和解释功能，让用户了解系统为什么做出特定的个性化决策。第三，多模态记忆和生成是自然的发展方向。当前的MemSlides主要关注文本层面的个性化，但幻灯片生成本质上是一个多模态任务，涉及文本、图像、布局、颜色、字体等多个维度。未来工作可以扩展记忆系统以包含视觉偏好记忆、布局偏好记忆、甚至音频和动画偏好记忆。多模态记忆需要更复杂的表示机制、更智能的检索机制和更细粒度的冲突解决机制。第四，可解释的记忆表示和推理是重要的研究方向。当前的MemSlides将记忆表示为结构化的偏好条目，但这些表示对于用户来说可能仍然不够直观。未来工作可以设计更可解释的记忆表示，如自然语言描述、可视化摘要、示例对，让用户能够更容易地理解和编辑存储的偏好。设计记忆推理的可视化界面，展示系统为什么选择特定的页面结构或视觉风格，增强用户对系统决策的信任。设计记忆互动机制，让用户通过示例或类比来表达偏好，而不是直接指定抽象规则，降低用户的认知负担。最后，更广泛的个性化应用场景是自然的延伸方向。MemSlides的核心思想，分层记忆框架和局部修订策略，不仅适用于幻灯片生成，还可以应用于其他类型的个性化创作任务，如文档撰写、代码生成、界面设计等。
复现评估
MemSlides的复现性评估如下。从开源情况来看，论文明确指出源代码是公开可用的，选定的评估制品将在文档和许可检查完成后发布。这意味着研究社区可以获得实现细节和评估协议，从而可以独立验证报告的结果。从数据角度来看，论文详细描述了评估使用的数据集和评估协议。人设对齐判断评估使用完整的第0轮幻灯片组作为评判单元，在评判之前，每个候选幻灯片组被渲染为页面对齐的图像并被分配匿名标签。评审者只收到目标人设摘要、对齐的幻灯片组图像和维度评估标准，而原始用户提示、解析的意图、系统身份和记忆条件是隐藏的。工具记忆评估使用配对的代理执行，在每个配对中，源幻灯片组、模型家族、人设和修改请求是固定的，比较的条件是工具记忆是否被注入到运行中。报告的过程指标从记录的执行轨迹中计算。论文还详细描述了画像库的构建过程，包括两个阶段：首先，每个人设意图条目通过在相同源材料上但使用不同角色意图提示的控制创作交互接收初始画像证据。其次，由于一些累积的条目在结构化字段中仍然稀疏，应用种子完成步骤。从算力需求来看，所有报告的实验都是推理时代理评估，没有模型训练或微调。运行从本地Linux工作站使用Python编排。机器有48个Intel Xeon CPU线程和503 GiB系统内存。本地机器用于代理编排、文档转换、幻灯片渲染、图像检查和工具介导的HTMLPPT编辑，LLM生成和评判通过外部模型API执行。论文提供了详细的运行时间核算，包括模型响应使用、本地工具调用结果、工具活动时间和首次到最后事件壁钟跨度。例如，画像记忆实验使用49次运行、2257次LLM调用、4982万提示token和274万完成token，3527成功552失败的工具调用，60.78分钟的工具活动时间和19.37小时的壁钟总时间。工具记忆九配对设置使用18次运行、1085次LLM调用、1940万提示token和92万完成token，1931成功220失败的工具调用，62.25分钟的工具活动时间和17.52小时的壁钟总时间。从复现难度来看，MemSlides的复现需要多个组件：访问GPT、GLM和Gemini的API端点，设置本地代理编排环境，构建或获取评估使用的画像库和模板，实现或复用评估协议和指标。由于论文提供了源代码和详细的协议描述，技术实现层面的复现难度应该是中等偏上，但主要挑战可能在于API访问成本和画像库的构建。总体而言，MemSlides的复现性在开源代码、详细协议和核算数据方面表现良好，但完全复现可能需要一定的资源和专业知识。
论文图表
