混合记忆架构通过互补整理与巩固实现长期智能体记忆，LoCoMo 准确率达 90.2%

Long-Term Agent Memory through Complementary Curation and Consolidation

AI 导读

一项研究提出由情景记忆与结构化关系记忆组成的混合记忆架构，并配合巩固机制保持效率。在 LoCoMo 和 LongMemEval-S 两个基准上，两类记忆持续互补，组合后优于现有 SOTA 记忆框架，分别达到 90.2% 和 85.5% 的准确率。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：长程对话智能体需要有效的记忆系统，以便从交互历史中回忆事实、事件和关系。在本工作中，我们提出了一种混合记忆架构，由情节记忆和结构化关系记忆组成，并配有一种保持效率的巩固机制。我们在两个基准上开展了实证研究：LoCoMo 和 LongMemEval-S。实验表明，这两种记忆类型始终互补，将二者结合的效果优于最先进的记忆框架，在 LoCoMo 上达到 90.2% 的准确率，在 LongMemEval-S 上达到 85.5%。

主题：	人工智能（cs.AI）；多智能体系统（cs.MA）
引用为：	arXiv:2610.39790 [cs.AI]
	（或 arXiv:2610.39790v1 [cs.AI] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.39790 由 DataCite 颁发的 arXiv DOI

提交历史

来自：Abhishek Gupta [查看电子邮件]
[v1] 2026年10月29日星期四 10:40:18 UTC（603 KB）

来源：arXiv cs.AI · arxiv.org