MemSlides: Een hiërarchisch geheugengedreven agentraamwerk voor gepersonaliseerde diageneratie met multi-turn lokale revisie

Samenvatting

Gepersonaliseerde presentatiegeneratie vereist meer dan alleen conditionering op een huidige prompt of sjabloon: agenten moeten stabiele gebruikersvoorkeuren over taken heen behouden, nieuw geïntroduceerde voorkeuren en beperkingen tijdens meervoudige revisierondes vasthouden, en lokale bewerkingen betrouwbaar uitvoeren. Wij stellen MemSlides voor, een hiërarchisch geheugenraamwerk voor gepersonaliseerde presentatieagenten dat het langetermijngeheugen scheidt van het werkgeheugen en het langetermijngeheugen verder onderverdeelt in gebruikersprofielgeheugen en gereedschapsgeheugen. Gebruikersprofielgeheugen slaat intentie-afhankelijke profielen op voor ronde-0-personalisatie, werkgeheugen draagt actieve voorkeuren en sessiebeperkingen over revisierondes heen, en gereedschapsgeheugen slaat herbruikbare uitvoeringservaring op voor betrouwbare gelokaliseerde bewerkingen. MemSlides koppelt dit geheugenontwerp aan een afgebakende dia-lokale revisie, zodat gerichte updates inwerken op het kleinste getroffen gebied in plaats van de volledige set herhaaldelijk te regenereren. In gecontroleerde experimenten verbetert gebruikersprofielgeheugen de persona-afstemmingsbeoordelingen in een multi-persona, multi-intentie profielenbank, verbetert injectie van gereedschapsgeheugen het gesloten-lus modificatiegedrag in diagnostische gepaarde-omgevingen, en illustreren kwalitatieve casussen het vermogen van werkgeheugen om voorkeuren over te dragen. Alles bij elkaar suggereren deze resultaten dat effectieve personalisatie bij het opstellen van presentaties afhangt van het scheiden van persistente gebruikersprofielen, sessie-niveau werkgeheugen en herbruikbare uitvoeringservaring over generatie en gelokaliseerde revisie heen.

English

Personalized presentation generation requires more than conditioning on a current prompt or template: agents must preserve stable user preferences across tasks, retain newly introduced preferences and constraints during multi-turn revision, and carry out local edits reliably. We propose MemSlides, a hierarchical memory framework for personalized presentation agents that separates long-term memory from working memory and further divides long-term memory into user profile memory and tool memory. User profile memory stores intent-conditioned profiles for round-0 personalization, working memory carries active preferences and session constraints across revision rounds, and tool memory stores reusable execution experience for reliable localized editing. MemSlides pairs this memory design with scoped slide-local revision, so targeted updates act on the smallest affected region instead of repeatedly regenerating the full deck. In controlled experiments, user profile memory improves persona-alignment judgments on a multi-persona, multi-intent profile bank, tool-memory injection improves closed-loop modify behavior in diagnostic matched-pair settings, and qualitative cases illustrate working memory's ability to carryover preferences. Taken together, these results suggest that effective personalization in presentation authoring depends on separating persistent user profiles, session-level working memory, and reusable execution experience across generation and localized revision.