从记忆命中到可回答证据：面向长期智能体记忆的查询条件化记忆编译

长期智能体记忆需要从分散在多个对话轮次和会话中的信息里恢复与答案相关的证据。现有系统越来越多地采用结构化记忆和自适应检索，但往往会将检索到的单元或扩展后的单元直接交给阅读器，从而将记忆寻址与证据呈现耦合在一起，导致最终上下文冗余或不完整。为解决这一问题，我们提出 MemCompile，一种面向长期会话记忆的查询条件化证据编译框架。给定一个查询，Address Plane 通过紧凑且关联源信息的描述符以及容量感知的 Cells，定位相关支持信息；同时，归一化边界将异构的检索结果解析为稳定的 SourcePacket 标识。随后，Evidence Plane 在有限的证据预算内，对互补的数据包进行分配，纳入少量额外支持信息，并将与每个选定数据包相关联的保留论断呈现为可直接用于回答的上下文。MemCompile 在 LoCoMo 上取得了 80.52% 的 Judge Accuracy，并将实证质量—成本帕累托前沿拓展到了更高质量的区间。在 LongMemEval-S 上的出色表现进一步表明，查询条件化编译的优势能够推广到不同的长期会话记忆基准。