DELTAMEM: Incremental Experience Memory for LLM Agents via Residual Trees

提出 DeltaMem，用 residual trees 管理 agent 经验，避免把相似 episode 平铺存储导致冗余和检索冲突。系统拆成两棵树：一棵存 goal-conditioned task experience 作为 reusable skills，另一棵存 scene-level environment knowledge；root 表达通用经验，delta node 表达后续差异。检索时沿 root-to-match chain 重构完整经验，并通过 autonomous consolidation 把高频路径沉淀为新 root。它把 agent memory 的重点从“多存”转到“存增量结构”。