通过互补式筛选与整合实现长期智能体记忆
Long-Term Agent Memory through Complementary Curation and Consolidation
精选理由
提出情节记忆与关系记忆协同机制，提升长对话智能体的记忆效率与准确性。
AI 摘要
长时程对话智能体需要有效的记忆系统，以从交互历史中回忆事实、事件和关系。在本工作中，我们提出了一种混合记忆架构，由情景记忆和结构化关系记忆组成，并配备一种能够保持效率的整合机制。我们在两个基准上开展了实证研究：LoCoMo 和 LongMemEval-S。实验表明，这两种记忆类型始终具有互补性，将二者结合后，性能超过了当前最先进的记忆框架，并在 LoCoMo 和 LongMemEval-S 上分别达到 90.2% 和 85.5% 的准确率。