arXiv cs.AI· Shangze Li, Yanyu Yao, Derong Xu, Zhi Zheng, Tong Xu·· 11 小时前AI 评分34
MemCompile：面向长期智能体记忆的查询条件化证据编译框架
From Memory Hits to Answerable Evidence: Query-Conditioned Memory Compilation for Long-Term Agent Memory
AI 导读
MemCompile 是一个查询条件化的证据编译框架，用于长期对话记忆：Address Plane 通过紧凑的源链接描述符和容量感知 Cells 定位相关支撑，Evidence Plane 则在有限证据预算内将保留的论断渲染为可直接作答的上下文。
正文 · AI 翻译
摘要：长期智能体记忆需要恢复分散在多个轮次和会话中的与答案相关的证据。现有系统越来越多地使用结构化记忆和自适应检索，但往往将检索到或扩展后的单元直接传递给阅读器，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。为弥补这一空白，我们提出 MemCompile，一个面向长期对话记忆的查询条件化证据编译框架。给定一个查询，寻址平面通过紧凑的源链接描述符和容量感知的 Cell 定位相关支持，而规范化边界将异构检索命中解析为稳定的 SourcePacket 标识。其证据平面随后在互补数据包之间分配有界证据预算，接纳有限的额外支持，并将与每个选定数据包相关联的保留声明渲染为可直接用于回答的上下文。MemCompile 在 LoCoMo 上达到 80.52% 的 Judge Accuracy，并将经验质量-成本帕累托前沿扩展到更高质量的区域。其在 LongMemEval-S 上的强劲表现进一步表明，查询条件化编译的优势可泛化到长期对话记忆基准。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.23313 [cs.AI] |
| （或 arXiv:2610.23313v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23313 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shangze Li [查看电子邮件]
[v1]
2026年10月16日星期五 11:15:29 UTC（1,163 KB）
来源：arXiv cs.AI · arxiv.org