SpeakerMem-R1：面向说话人的多方对话双轨记忆

多方场景下的长期对话记忆不仅需要从长期对话中检索相关内容，还必须区分谁说了什么、每条陈述涉及谁、个体如何看待彼此、哪些信息由群体共享，以及状态如何随时间变化。近期针对多方对话基准的研究表明，现有通用 LLM 记忆系统往往会丢失人物关系和群体关系，或难以整合分散在成员、群体和时间维度中的线索。这些问题共同揭示了两个核心瓶颈：多方对话中的消息归属与关系理解，以及从交错的历史记录中重建状态。为同时解决这两个问题，我们提出了 SpeakerMem-R1：其双轨记忆分别存储带有说话人标注的逐字消息和派生状态，并将其组织为个人层级和群组层级视图，然后在查询时根据实体、事件和时间融合两条轨道中的证据。为减少结构化记忆构建过程中的归属和更新错误，同时支持本地部署，我们使用 SpeakerLevenshtein 和说话人条件化 GRPO 训练 Writer-R1。在 GroupMemBench、SocialMemBench 和 EverMemBench 上，SpeakerMem-R1 的二分类准确率分别达到 47.9%、69.2% 和 61.9%。在 EverMind-AI 公布的 EverMemBench 排行榜上，我们取得了 62.33% 的成绩，是最新最先进框架中已报告的最佳结果。对于全部 1,986 个 LoCoMo 问题，其准确率也达到 70.85%；我们将此作为双人长期对话边界测试。在包含 305 个问题的受控评测中，RL 将 SFT Writer 的平均准确率从 57.38% 提升至 68.20%。我们同时报告二分类准确率和 token-F1，消融实验表明，在标准化评测接口下，逐字轨道与结构化轨道、个人层级视图与群组层级视图彼此互补。