arXiv cs.CL· Devarsh Gandhi, Sarthak Pawar, Hemprasad Badgujar, Vaibhav Rathore, Siddharth Sureka, Neha Bhargava·· 10 小时前AI 评分47
Scalaris：面向企业对话式 AI 助手的可扩展记忆架构
Scalaris: A Scalable Enterprise Memory Architecture for Conversational AI Assistants
AI 导读
Scalaris 是一种面向企业对话式 AI 助手的可扩展记忆架构，通过统一长短期记忆设计，在 Qwen3-32B 上取得 LongMemEval-S 92.2%、LoCoMo 90.77% 的 SOTA 成绩。其检索上下文 token 数比 Hindsight 少约 10 倍，接入其闭源 AI 助手后整体回复质量提升 36%。
正文 · AI 翻译
摘要：企业对话系统需要记忆来实现交互个性化、跨会话保留信息并保持对话连贯性。然而在企业规模下，记忆不仅要准确检索相关信息，还要高效地将其提供给答案生成模型。现有记忆系统在检索准确性与上下文效率之间面临权衡。检索更多上下文可以提高召回率，但会增加推理成本和延迟。我们提出 Scalaris，一种可扩展的企业记忆架构，通过统一的长时与短时记忆设计来解决这一权衡。我们提出，用户交互与助手回复在对话中具有不同的特征和作用：用户交互捕获关于用户的不断演变的知识，并在跨会话中提供价值；而助手回复必须高效存储，以便只检索与当前查询相关的信息。因此我们将二者分开处理，并分别为其提供专门的表示和摄取/检索流水线。Scalaris 在使用 Qwen3-32B 时于 LongMemEval-S 上达到 92.2% 的准确率，在 LoCoMo 上达到 90.77%，在这两个基准上均取得最先进的结果，同时为答案生成模型提供的检索上下文 token 数比 Hindsight（对话 AI 领域的领先记忆系统）少约 10 倍。当与我们专有的闭源 AI 助手集成时，Scalaris 将整体回复质量提升了 36%。这些结果共同表明，Scalaris 是构建可扩展、个性化对话 AI 系统的高性价比框架。
| 评论： | 论文审阅中 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.02612 [cs.CL] |
| （或 arXiv:2611.02612v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.02612 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Vaibhav Rathore [查看邮箱]
[v1]
2026年11月2日星期一 06:37:11 UTC（154 KB）
来源：arXiv cs.CL · arxiv.org