VoiceMem：用于实时交互的流式双脑记忆

对话系统，例如双工语音语言模型（SLMs），至今仍缺乏一个作为“灵魂”的流式、准确且具备共情能力的记忆系统。我们提出 VoiceMem，一种简单的记忆架构，包含并行的信息型左脑、情感型右脑，以及流式记忆 I/O 机制。我们进一步构建了一个完整流程，用于面向记忆感知的 SLM 训练、长时程评测，以及支持可互换记忆后端的解耦部署。实验和真实世界部署表明其有三大优势：i) 准确性：在 top-5 检索下，左脑在 top-200 上的表现比 Mem0 等经典系统高出近 30 分；ii) 情感与个性：右脑结合短期和长期情感归因以及双节点人格建模，在三个 persona 基准上取得了最先进的表现，并使总分比此前最佳系统提升 4.29 分；iii) 实时性与低成本：VoiceMem 的检索耗时为 134 ms，完全处于标准 VAD 延迟范围内，在保持高准确率和低成本的同时，不会额外增加对话延迟。这些结果表明，VoiceMem 为实时、个性化且具有情感感知的语音交互提供了一个实用的记忆基础。