arXiv cs.CL· Yichen Liu, Chunfeng Yuan, Haowei Liu, Wenjuan Li, Zefeng Lin, Bing Li, Xu Chen, Weiming Hu·· 9 天前AI 评分25
QGMem：面向长期对话智能体的事件中心记忆与查询感知图增强框架
Event-Centric Memory with Query-Aware Graph Augmentation for Long-Term Conversational Agents
AI 导读
针对现有扁平化记忆隐式丢失事件关系、图记忆构建成本高且引入无关关系的问题，研究者提出 QGMem 记忆构建与激活框架，将长对话历史转为事件索引的原子记忆单元并整合为动态记忆痕迹。
正文 · AI 翻译
摘要：对于持久且个性化的对话代理，记忆系统可以通过存储过去的交互并检索相关信息，使其能够记住、更新和推理长历史。现有记忆系统通常遵循两种范式：扁平结构化记忆和基于图的记忆。前者轻量，但将事件关系和状态更新留为隐式；后者显式建模记忆结构，但会产生额外构建成本，并在长历史中引入无关关系。为解决这些局限，我们提出 QGMem，一种受人类记忆启发的新型记忆构建与激活框架，其中经验被组织为事件，与查询相关的事件通过图建模为工作记忆。QGMem 将长对话历史转换为保留个体经验的事件索引原子记忆单元，并将相关单元整合为保留状态轨迹和当前状态的动态记忆痕迹。当查询到来时，混合记忆检索收集互补的候选记忆，查询感知重排序激活最相关的单元作为紧凑工作记忆。为揭示工作记忆中的关系依赖并支持冲突感知推理，QGMem 将工作记忆组织为局部图，然后将其编码为图 token，并与文本工作记忆一起提供给 LLM，以在答案生成期间改善证据利用。跨六个基准的实验验证了该框架，并显示在检索、多跳证据组合、冲突解决和超长对话推理方面，在紧凑上下文和适度推理成本下取得一致收益。
| 评论： | 17 页，7 幅图。提交至 IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) |
| 主题： | 计算与语言 (cs.CL) |
| 引用为： | arXiv:2610.11920 [cs.CL] |
| （或 arXiv:2610.11920v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11920 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Yichen Liu [查看邮箱]
[v1]
2026 年 10 月 8 日星期四 13:17:59 UTC（505 KB）
来源：arXiv cs.CL · arxiv.org