Fortunate Recall：由本体驱动的 LLM 持久一致性记忆生命周期管理

当前的 LLM 记忆系统将所有个人事实一视同仁，导致存储内容无限增长，同时检索精度不断下降。核心挑战在于生命周期管理：哪些记忆应当持久保留，哪些应当被替换，以及应以何种速率进行更新，而这些决策还应取决于每条事实的行为类型。Fortunate Recall（FR）是一种可组合的策略层，可将个人事实分类为 10+1 类行为本体，并基于类别应用特定的生命周期策略（差异化时间衰减、槽位键替换、事件时间有效性以及类别感知的检索路由）；这些策略均作为作用于 LLM 提取元数据的确定性函数实现。我们的基础设施无关实现 FR-Bank 在新的 516 道时间消歧基准 LifecycleBench 上达到 76.9% 的通过率，领先于 Mem0、A-MEM、Memory-R1 和 MemoryOS（61% 至 70.5%）；在规范的 Wu et al. 评测协议下，FR-Bank 在完整 LongMemEval-S 上达到 75.2%，表明生命周期策略不会对标准检索造成可测量的成本。预注册消融实验定位了性能提升的来源：将类型化层替换为三个通用生命周期原语后，正确率在统计上没有变化（-1.7 个百分点，95% CI [-6.0, +2.7]），说明通用生命周期元数据带来了正确性优势，而行为本体则提升了校准能力，使下游虚构率降低了一半（12.0% 对 24.2%，p<0.001）。在端到端评测中，FR-Bank 将已回答查询中的虚构率从 Mem0 的 45.1% 降至 22.4%，并将全部查询中的虚构率从 32.2% 降至 13.0%，同时正确回答的查询比例更高（31.2% 对 18.6%）；在开放权重模型 Kimi K2.5 上也复现了这一排名。该分解结果可迁移至独立构建的基准 BEAM：在 280 道问题上，正确率为 46.8%，而 Mem0 为 32.9%；本体的收益主要集中于矛盾消解，并在接近七个策略簇时趋于饱和。本体、基准和代码均已发布。