arXiv cs.CL· Lingxi Cui, Jinhao Ruan, Wenqing Wei, Guo Yi, Li Rao, Ke Chen, Lidan Shou·· 3 天前AI 评分24
EGCForest：面向企业群聊的结构化智能体记忆组织框架
EGCForest: Structured Agent Memory Organization for Enterprise Group Chats
AI 导读
EGCForest 是一个面向企业群聊的多视图分层记忆框架，将不可变消息日志组织为 Channel、Actor、Artifact 三片森林，并通过 Placement Map 与稀疏结构桥实现跨视图连接。在三个企业群聊基准上，其答案准确率较 MemOS 最高提升 20.85 分，并优于 RAG 与记忆系统基线，同时支持高效在线检索。
正文 · AI 翻译
摘要：企业群聊记录了项目进展、决策、任务归属以及其他对企业智能体有价值的组织信息。可靠的检索颇具挑战，因为证据跨越交错的线程、频道和时间，其含义与权威性取决于发言者。RAG 的独立分块检索和记忆系统基于摘要的整合都无法可靠地恢复此类分布式证据。我们提出 EGCForest，一种面向企业群聊的新型多视图分层记忆框架。EGCForest 将不可变的消息日志组织为三个互补的森林：用于时间工作流的 Channel 森林、用于发言者条件化上下文的 Actor 森林，以及用于交付物生命周期的 Artifact 森林。跨视图连接由 Placement Map 和稀疏结构桥接实现。基于这一记忆主干，EGCForest 通过联合利用消息级相关性、来自森林摘要的分层上下文以及跨视图链接来检索和组装证据，从而恢复分布式证据。在三个企业聊天基准上的实验表明，EGCForest 持续优于 RAG 和记忆系统基线，相比 MemOS 将答案准确率提升最多 20.85 个百分点，同时支持高效的在线检索。
| Subjects: | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.19836 [cs.CL] |
| （或 arXiv:2610.19836v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19836 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lingxi Cui [查看邮箱]
[v1]
2026年10月14日星期三 09:07:53 UTC（508 KB）
来源：arXiv cs.CL · arxiv.org